Planificación Desagregada

PLANIFICACIÓN DESAGREGADA DE LA PRODUCCIÓN
PLAN MAESTRO DE LA PRODUCCIÓN
Ing. Rogelio A. A. Morán *
1 CARACTERÍSTICAS GENERALES
La Planificación Desagregada de la producción es la determinación de las cantidades a
producir de cada uno de los productos finales, en un determinado horizonte de planificación.
Cuando se realiza previamente la Planificación Agregada (APP: Aggregate Production
Planning), que fija cantidades globales de producción, el plan desagregado se obtiene por
algún procedimiento de desagregación del plan agregado, con el que debe ser consistente. Si
no hay plan agregado, como en el caso de pocos productos finales distintos, la planificación
desagregada se realiza sobre la base de los pronósticos de la demanda de los artículos y de los
pedidos en firme de los clientes.1
El plan desagregado debe ser revisado y actualizado periódicamente con el criterio de
horizonte deslizante. Cuando se lo obtiene por desagregación de un plan agregado, en cada
actualización se deben tener en cuenta los pronósticos de demanda más recientes de los
productos individuales para ajustar las cantidades, manteniendo siempre la coherencia con el
plan agregado. Los pronósticos de demanda de los artículos individuales son entonces
imprescindibles en todos los casos. Sin embargo como el plan desagregado debe considerar
las limitaciones de capacidad, costos de producción y otras restricciones (por ejemplo lotes
mínimos de producción), las cantidades que fija pueden diferir de las pronosticadas.
Por su importancia en la producción, el plan desagregado es llamado Plan Maestro de
Producción y también, mucho más habitualmente, Programa Maestro de Producción (MPS:
Master Production Schedule). Sin embargo es necesario distinguir entre plan y programa:
cuando se establecen las cantidades y las fechas precisas de comienzo y terminación de la
producción de cada artículo, es un programa de producción; si solamente se fijan cantidades,
por ejemplo por período, sin especificar las fechas dentro del período (que se fijan en un
proceso posterior), es un plan. En lo que sigue vamos a utilizar las siglas MPS –dada su
extendida utilización en los sistemas de planificación– para identificar el plan desagregado,
pero teniendo siempre presente que con ellas nos referiremos a un Plan Maestro o a un
Programa Maestro según corresponda en cada caso.
Por otra parte, debemos distinguir la planificación basada en tasas de producción, típica de
la fabricación continua y repetitiva, de la planificación en fase de tiempo, característica de la
producción intermitente en lotes. En la producción continua y repetitiva, como veremos en su
momento, el MPS es un programa de producción cuya estructura es muy simple. Ahora nos
concentraremos en la planificación en fase de tiempo, es decir por períodos (semanas, meses),
característica de los sistemas clásicos de planificación y programación de la producción.
1
Cf. Rogelio A. A. Morán, “Sistemas de Planificación, Programación y Control de la Producción”,
Departamento de Optimización y Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas,
Ingeniería y Agrimensura, U.N.R., Rosario, 2011.
*
Profesor Titular y Director del Departamento de Optimización y Control. Escuela de Ingeniería Industrial.
Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario.  2012.
1
Dado que el MPS es un plan de producción, debe estar expresado en unidades de artículos
finales para los cuales exista una lista de materiales (BOM: Bill of Materials) que permita
determinar los requerimientos de materiales y elementos componentes para su fabricación. Es
la información fundamental para el sistema de Planificación de los Requerimientos de
Materiales (MRP: Material Requirements Planning).
En primer lugar veremos el caso en que no hay planificación agregada y luego trataremos
el problema de la desagregación.
2 PLAN MAESTRO DE PRODUCCIÓN

El horizonte del MPS debe ser por lo menos igual al mayor tiempo total de fabricación de
los productos, incluyendo el tiempo de provisión de los materiales. En efecto, si hoy se decide
la fabricación de un producto, estará terminado para su entrega en un determinado período
futuro que depende del tiempo de suministro de los materiales y del de producción; luego la
cantidad a producir debe ser la planificada para ese período futuro sobre la base del pronóstico
de demanda del mismo. Esto implica que en cada revisión del plan se necesitarán pronósticos
con ese horizonte.
El MPS es fundamental en producción, pero también es importante en comercialización
porque muestra las disponibilidades de los artículos para atender pedidos. Además depende
particularmente de las características de la demanda, de la estructura de los productos y de los
procesos de producción. Enseguida veremos el efecto de estas particularidades en el MPS.
2.1 Registro básico del MPS en fase de tiempo

Para cada producto final planificado, el MPS se presenta como un registro que cubre todo
el horizonte de planificación T (en períodos) y muestra la demanda pronosticada, la
producción planificada y las existencias resultantes para cada periodo t (t = 1, 2,…, T). El
registro del MPS debe ser compatible con el sistema MRP.
Sean:
dt = Demanda media pronosticada en el período t (t = 1, 2,…, T), llamada “Pronóstico” [u].
xt = Producción planificada en el período t, llamada “MPS” [u].
st = Existencias resultantes al final del período t, llamadas “Disponible” [u].
s0 = Existencias iniciales en el comienzo de la planificación (“disponible en mano”). Dato de
las existencias físicas [u].
En la operación del MPS se supone que la demanda ocurre durante el período, la
producción se dispone en el período de manera tal que puede cubrir la demanda del propio
período y las existencias son las resultantes al final del período (es decir están disponibles al
comienzo del período siguiente). Bajo estas hipótesis para cada período se tiene
st = st −1 + xt − d t , t = 1, 2,L, T (1)
donde s0 es dato.
Las demandas pronosticadas son estimaciones, de manera que las existencias resultantes
son también estimaciones.
Además, las demandas consideradas en los cálculos son los valores medios por período. La
variabilidad de la demanda se debe cubrir con stocks de seguridad fijados con algún criterio
de servicio al cliente, como veremos luego.
2 Planificación Desagregada de la Producción.  2012 R. Morán
Ejemplo 1
Consideremos un producto para el que se quiere planificar la fabricación en un horizonte
de T = 12 semanas. Se dispone de los pronósticos de demanda para todos los períodos; el
artículo no puede fabricarse en lotes menores de 100 unidades, por el costo de puesta punto de
los equipos, y las existencias disponibles al comienzo del primer período son s0 = 60
unidades. La Tabla 1 muestra el registro del MPS.
Períodos t 0 1 2 3 4 5 6 7 8 9 10 11 12 Totales
Pronóstico dt 25 25 25 25 30 30 30 30 35 35 35 35 360
MPS xt 100 100 100 100 400
Disponible st 60 35 10 85 60 30 100 70 40 105 70 35 100
Tabla 1
En la primera semana la demanda pronosticada es de d1 = 25 u. con lo que resulta una

existencia al final del período s1 = 35 u. En la segunda semana, con un pronóstico d2 = 25 u.
queda un stock s2 = 10 u. En la tercera está planificada la producción x3 = 100 u. que, con la
demanda de d3 = 25 u. y las existencias s2 = 10 u., dejan una existencia final s3 = 85 u.
(10 + 100 – 25 = 85). Y así sucesivamente.
Supongamos ahora que ha transcurrido la primera semana y se actualiza el MPS,
agregando una nueva semana al final. En la primera semana la demanda real fue de 30 u. y el
disponible al comienzo de la segunda es de 30 u. Además se dispone de pronósticos
actualizados. Si se mantiene la producción planificada el registro actualizado es el siguiente.
Pronóstico dt 30 30 30 35 35 35 35 35 35 35 35 35 405
MPS xt 100 100 100 100 400
Disponible st 30 0 70 40 5 70 35 0 65 30 -5 60 25
Tabla 2
En la semana 2 se podría tener faltante si se supera el pronóstico, lo mismo que en la

semana 8. En la semana 11 se presenta un faltante, pero todavía no es el momento de decidir
cambios en las cantidades MPS dado que en las siguientes revisiones se deben computar las
demandas reales y, además, los pronósticos podrían cambiar. Es una señal de alerta. Debe
tenerse presente que los pronósticos son estimaciones y por lo tanto el disponible también. De
manera análoga se procesan las siguientes revisiones.
Observación: En la revisión hemos mantenido la numeración original de los períodos, el
nuevo primer período es el 2 original, para facilitar las referencias entre ambos planes. Sin
embargo, en los sistemas de planificación, en cada revisión los períodos se numeran siempre a
partir de 1. En los ejemplos mantendremos siempre la numeración original para mayor
claridad.
El ejemplo anterior motiva varias cuestiones. En primer lugar está el problema de cómo se
decidieron las cantidades y los períodos de fabricación. Las cantidades surgen de lotes
mínimos de producción originados fundamentalmente en la consideración de los costos de las
puestas a punto. Una aproximación de estas cantidades se puede obtener utilizando los
modelos de stocks con restricciones de tiempo de puesta a punto, pero debe recordarse que los
mismos son válidos solamente si todos los artículos se fabrican con los mismos equipos y que,
Planificación Desagregada de la Producción.  2012 R. Morán 3

además, no tienen en cuenta las secuencias de las operaciones, por lo que no son generalmente
aplicables.2 El tema será tratado al estudiar la Programación de las Operaciones.
Si la planta puede hacer lotes pequeños son posibles otras políticas. Por ejemplo, desde el
punto de vista de la reducción de las existencias lo ideal sería producir en cada período las
cantidades pronosticadas; es lo que se llama política de “persecución” (la producción persigue
la demanda). Si la demanda es muy variable de un período a otro como, por ejemplo, si tiene
estacionalidad, esta política puede ser impracticable. Desde el punto de vista de la producción
lo ideal podría ser fabricar en todos los períodos las mismas cantidades, que es la política de
“nivelación”; las diferencias de demanda de un período a otro las cubren las existencias. Por
supuesto, se pueden implementar distintas combinaciones de estas políticas.
Por otra parte está el tema de la capacidad de producción. El MPS es la planificación de
todos los productos finales (en el ejemplo hemos visto el registro para un único artículo);
como los productos comparten los medios de producción, todo lo que se fabrica en un período
no puede superar la capacidad de producción en ese período. Surge así la necesidad de
verificar los requerimientos de capacidad del MPS, tarea que pertenece a la Planificación de la
Capacidad y que, en este nivel, se conoce con el nombre de Planificación Aproximada de la
Capacidad (RCCP: Rough-Cut Capacity Planning). Esta planificación de la capacidad analiza
el MPS para determinar si los recursos involucrados tienen capacidad suficiente para el plan
propuesto; caso contrario el MPS no es factible y debe revisarse.
Cuando los artículos son pocos, el responsable de la planificación –el “Planificador
Maestro”– puede obtener un MPS equilibrado, que contemple todas estas cuestiones, por
prueba y error. El ejemplo siguiente ilustra este caso.
Ejemplo 2
La tabla siguiente es el MPS para tres artículos A, B y C que comparten los mismos
equipos, es decir, que tienen procesos de producción similares. El lote mínimo de producción
para todos ellos es de 50 unidades.
Artículo A
Pronóstico dt 30 30 30 30 25 25 25 25 20 20 20 20 300
MPS xt 60 60 60 60 60 300
Disponible st 50 80 50 20 50 25 60 35 10 50 30 10 50
Artículo B
Pronóstico dt 15 15 15 15 15 15 15 15 15 15 15 15 180
MPS xt 60 60 60 180
Disponible st 40 25 70 55 40 25 10 55 40 25 70 55 40
Artículo C
Pronóstico dt 20 20 20 20 22 22 22 22 25 25 25 25 268
MPS xt 60 60 60 60 240
Disponible st 80 60 40 80 60 98 76 54 92 67 42 77 52
Tabla 3
2
Cf. Rogelio A. A. Morán, “Elementos de Gestión de las Existencias (Stocks)”, Departamento de Optimización
y Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas, Ingeniería y Agrimensura, U.N.R.,
Rosario, 2007.
Dados los pronósticos y las existencias iniciales, el planificador decide producir lotes de 60
unidades y asignarlos de manera que se fabrique un lote por semana, para mantener una carga
uniforme, y que no haya faltantes. Desde luego que podría haber implementado otras
alternativas; la solución no es única.
Es claro que si son muchos los productos no se puede planificar por prueba y error y el
sistema de planificación debe implementar modelos apropiados. Dado que en el caso de
artículos finales numerosos la planificación comienza con un plan agregado, los modelos para
planificación desagregada, que pueden depender del tipo de producción, los veremos al tratar
el tema de la desagregación. Sin embargo, como veremos, el modelo de desagregación en fase
de tiempo puede ser aplicado también para obtener el MPS cuando no hay APP, si se dispone
de pronósticos confiables de todos los productos para todos los períodos del horizonte.
Otra cuestión importante en el MPS es la de las revisiones. Normalmente, en las revisiones
el o los períodos inmediatos no pueden modificarse, o pueden modificarse muy poco, debido
a que ya están comprometidos los materiales y además pueden estar en ejecución las partes
componentes del producto final planificado en esos períodos. Estas restricciones dependen de
las características del producto y del proceso de producción. Se fijan entonces intervalos de
tiempo (medidos en períodos del MPS), llamados barreras o marcos de tiempo, en los que
únicamente se pueden hacer ciertos tipos de modificaciones en las revisiones.
En general se establecen los siguientes límites:
Período(s) fijo(s) (o congelado): No se puede realizar ningún cambio (salvo casos de
fuerza mayor).
Período(s) semifijo(s): Se permiten cambios limitados (por ejemplo: cambios en las
cantidades de un grupo de productos siempre que estén las piezas disponibles).
Período(s) flexible(s): Períodos con cambios libres, siempre que se satisfagan las
restricciones de capacidad.
Por otra parte, el horizonte de planificación puede plantear el problema de la precisión de
los pronósticos. En muchos casos se necesita un horizonte de un año con períodos mensuales
y únicamente se pueden tener pronósticos aceptables para los primeros meses. Se puede
plantear entonces el MPS sobre la base de cuatro períodos trimestrales, para los que se puede
tener mejores pronósticos, y desagregar el primer trimestre con períodos mensuales que
pueden ser bien pronosticados porque son los inmediatos. En las actualizaciones mensuales se
mantienen siempre los tres primeros períodos mensuales y luego tres períodos trimestrales.
2.2 Efecto de las características de la producción y de la demanda en el MPS

Las características del sistema de producción y las de la demanda afectan de manera
significativa el diseño de los sistemas de planificación, y en particular del MPS. En este
sentido las características de la producción y de la demanda que interesan son las siguientes.
2.2.1 Producción para stock (para abastecer la demanda independiente)

En la fabricación para stock el MPS se basa fundamentalmente en los pronósticos de
demanda de los artículos individuales. En este caso se debe diferenciar la fabricación continua
y repetitiva de la fabricación intermitente en lotes. En el primer tipo de producción la
programación usualmente no es en fase de tiempo y el MPS muestra la secuencia de los
productos y las cantidades, expresadas como tasas de producción. La programación de este
tipo de producción será tratada por separado.
En la producción intermitente en lotes el MPS expresa las cantidades a producir en cada
período, como en los ejemplos anteriores. No obstante, en este caso es importante tener en
cuenta si el sistema de producción es tipo “V” o tipo
“A” (Figura 1). Se dice que el sistema es tipo “V” si
pocas materias primas dan lugar, a través de los
procesos de producción, a una gran variedad de
productos finales. Ejemplos típicos son: la industria
Producción tipo V Producción tipo A siderúrgica, petroquímica, textil, etc. Por el contrario,
el sistema es tipo “A” si un gran número de elementos
Figura 1 componentes van formando subconjuntos y conjuntos
hasta llegar a relativamente pocos productos finales.
Pertenecen a esta clase, por ejemplo, la industria automotriz, aeronáutica, de maquinaria en
general, de bienes de capital, etc. Esta distinción es importante porque afecta las listas de
materiales necesarias para la posterior MRP.
En los sistemas tipo “V” el MPS debe planificar la producción de un número elevado de
artículos. Sin embargo, es frecuente que artículos similares formen familias que se
caracterizan porque el costo de puesta a punto por cambio de producto dentro de la familia es
despreciable, mientras que el cambio de familia puede requerir puestas a punto importantes.
En esta situación el MPS presenta dos niveles de desagregación: el plan de las familias y el de
los artículos individuales. En el tipo “A” el MPS planifica la producción de pocos artículos
finales, pero cobra gran importancia el sistema MRP por la cantidad de materiales
componentes; las listas de materiales son más complejas que en el tipo “V”.
En ambos casos, dado que la demanda es aleatoria y el MPS se basa en los pronósticos de
la demanda media, para absorber la variabilidad de la demanda se deben mantener stocks de
seguridad adecuados de los productos finales. Es importante observar es este sentido que el
disponible inicial s0 en los registros del MPS se toma de las existencias físicas reales, y por lo
tanto incluye el stock de seguridad establecido.
MPS con compromiso de órdenes

Si bien en la fabricación para stock el MPS se basa en los pronósticos de demanda de los
productos finales, porque están destinados a la demanda del mercado que en general es
aleatoria, es frecuente que algunos clientes hagan pedidos en firme de cantidades para entrega
futura. Estos pedidos no son adicionales sino que forman parte de la demanda pronosticada.
En este caso el MPS puede incorporar una técnica muy importante, tanto para Producción
como para Comercialización: compromiso de órdenes y disponible para comprometer.
Ya hemos dicho que los pronósticos y, por lo tanto, el disponible son estimaciones, de
manera que en el MPS únicamente se tiene certidumbre en el disponible inicial s0, porque es
dato de las existencias físicas, y en las cantidades planificadas para producir, porque se
supone que serán cumplidas. Es sobre la base de estas cantidades que se decide si se pueden
aceptar pedidos en firme, que constituyen verdaderos compromisos de entrega, y se calculan
las cantidades disponibles para comprometer (para aceptar nuevos pedidos) en cada momento.
Por lo tanto, en el MPS puede haber cantidades disponibles para comprometer (ATP:
Available to Promise) solamente en los períodos en los que hay cantidades MPS planificadas
y en el primer período, si no hay cantidad MPS planificada y el disponible inicial no es cero.
Si indicamos con at la cantidad disponible para comprometer en el período t, en el comienzo
de la planificación se tiene entonces
a1 = s0 + x1 , at = xt , t = 2,L, T (2)

que resultan nulas en los períodos en los que no hay cantidades programadas y en el período
inicial si, además, no hay stock inicial.
Los pedidos en firme que se aceptan para períodos futuros constituyen los compromisos y
se imputan a la cantidad ATP del mismo período o a la inmediata anterior. Si hay una cantidad
ATP en el período t = 1, la siguiente en el período t = u, la siguiente en t = v, etc., los
compromisos para los períodos 1, 2,…, u –1 se deducen de la cantidad a1, los compromisos
para los períodos u, u +1,…, v –1 se atienden con la cantidad au, etc. No obstante, podría
suceder, por ejemplo, que los pedidos que deberían ser atendidos con el ATP del período v
superen la cantidad av y se decida entonces absorber parte de ellos con au.
Cuando se trabaja con compromisos y cantidades para comprometer, para calcular el
disponible en el MPS en lugar de la (1) se suele utilizar la siguiente convención
st = st −1 + xt − máx{d t , ct } , t = 1, 2,L, T (3)
que tiene la ventaja de reflejar inmediatamente los pedidos grandes porque puede provocar
disponibles negativos, que no resultarían si se consideran solamente los pronósticos.
Veamos todo esto en un ejemplo.
Ejemplo 3
Retomemos el Ejemplo 1. La Tabla 4 muestra las cantidades ATP al comienzo de la
planificación (comienzo de la semana 1), cuando todavía no se ha recibido ningún pedido.
Pronóstico dt 25 25 25 25 30 30 30 30 35 35 35 35 360
MPS xt 100 100 100 100 400
Disponible st 60 35 10 85 60 30 100 70 40 105 70 35 100
Compromiso ct
ATP at 60 100 100 100 100
Tabla 4
Supongamos que hasta un cierto momento en la semana 1 se han aceptado los siguientes
pedidos:
Orden de los Semana de Cantidad

pedidos entrega [u]
1 1 15
2 2 10
3 3 5
4 4 5
Incorporando estos compromisos al MPS se actualizan las cantidades ATP y queda
Pronóstico dt 25 25 25 25 30 30 30 30 35 35 35 35 360
MPS xt 100 100 100 100 400
Disponible st 60 35 10 85 60 30 100 70 40 105 70 35 100
Compromiso ct 15 10 5 5
ATP at 35 90 100 100 100
Tabla 5

Esto es:
a1 = 60 – (15 + 10) = 35 u.
a3 = 100 – (5 + 5) = 90 u.
Supongamos ahora que en la actualización al comienzo de la semana 2 la situación es la
siguiente:
1) La salida real en la semana 1 fue de 30 u., (entre compromisos existentes, nuevos pedidos
y entregas directas desde el stock sin pedido previo).
2) Llegaron los siguientes pedidos (además de los que ya se tenían):

pedidos entrega [u]
1 2 15
2 3 10
3 4 8
4 5 5
5 6 10
6 7 5
3) Se dispone de un nuevo pronóstico.
Al comienzo de la 2ª semana se actualiza el MPS, resultando:
c2 = 10 + 15 = 25 u., y se obtiene a2 = 30 + 25 = 5 u.
Los siguientes compromisos son:
c3 = 5 + 10 = 15 u.
c4 = 5 + 8 = 13 u.
c5 = 5 u.
resultando a3 = 100 – (15 + 13 + 5) = 67 u.
Para las semanas 6 y 7 los compromisos son:
c6 = 10 u.
c7 = 5 u.
y se obtiene a6 = 100 – (10 + 5) = 85 u.
El registro del MPS actualizado queda:
Pronóstico 30 30 30 30 30 30 35 35 35 35 35 35 390
MPS 100 100 100 100 400
Disponible 30 0 70 40 10 80 50 15 80 45 10 75 40
Compromiso ct 25 15 13 5 10 5
ATP at 5 67 85 100 100
Tabla 6
En la semana 2 únicamente se pueden aceptar pedidos por 5 unidades adicionales para

despachar en ella. En la semana 3 se pueden aceptar pedidos por 67 unidades adicionales para
despachar en ella o en las semanas 4 y 5. En la semana 6 se pueden aceptar pedidos por 85
unidades adicionales para despachar en ella o en las dos siguientes.
Supongamos ahora que en la semana 2 ingresan las siguientes órdenes:

pedidos entrega [u]
1 2 5
2 3 10
3 5 25
4 4 20
5 6 40
6 8 20
7 7 30
El primer pedido se puede aceptar porque a2 = 5 u. Resulta
c2 = 25 + 5 = 30 u. y a2 = 30 – 30 = 0
Los tres pedidos siguientes (para las semanas 3, 4 y 5) también se pueden aceptar porque
suman 55 u. y hay disponibles 67 u., obteniéndose
c3 = 15 + 10 = 25 u.
c4 = 13 + 20 = 33 u.
c5 = 5 + 25 = 30 u.
quedando a3 = 12 u.
Los pedidos para las semanas 6, 7 y 8 suman 90 u. y hay disponibles 85 u., pero las 5 u.
excedentes se pueden atender con el ATP de la semana 3, que quedará finalmente a3 = 12 –
5 = 7 u. Para la semana 6 resulta, obviamente, a6 = 0.
La situación al final de la semana 2 es la siguiente:
Pronóstico 30 30 30 30 30 30 35 35 35 35 35 35 390
MPS 100 100 100 100 400
Disponible 30 0 70 37 7 57 22 -13 52 17 -18 47 12
Compromiso ct 30 25 33 30 50 35 20
ATP at 0 7 0 100 100
Tabla 7
El disponible se ha calculado de acuerdo con la convención expuesta en (3).

Suponiendo también que se tienen nuevos pronósticos, el MPS actualizado es
Pronóstico 30 30 35 35 35 35 35 35 40 40 40 40 430
MPS 100 100 100 100 400
Disponible 0 70 37 2 52 17 -18 47 12 -28 32 -8 -48
Compromiso ct 25 33 30 50 35 20 0
ATP at 7 0 100 100
Tabla 8
Deben revisarse las cantidades planificadas porque no se pueden aceptar pedidos por más
de 7 u. para las semanas 3 a 8 y el pronóstico supera la producción prevista.
2.2.2 Producción sobre pedidos

En este tipo de producción en general no hay stocks y, dada la gran cantidad de productos
o de configuraciones distintas que se suelen presentar, hay pocas posibilidades de anticipar la
demanda. El cliente sabe que va a esperar por la fabricación e inclusive por el diseño del
producto. Ejemplos típicos de estas producciones son la fabricación de maquinarias y equipos
industriales.
En este caso el MPS indica cantidades y fechas de entrega (compromisos) de cada producto
terminado particular. La determinación de la fecha de entrega de cada producto se obtiene a
partir de la programación de las operaciones necesarias para fabricarlo, incluyendo la
obtención de las materias primas. Este tema será analizado al tratar la programación de las
operaciones en la producción intermitente en lotes.
2.2.3 Producción de componentes para stock y armado final sobre pedido

Es la producción de una gran variedad de configuraciones de artículos finales con
elementos componentes básicos que pueden ser de stock. Son los productos que se
comercializan con una gran diversidad de terminaciones, pero con los principales elementos
componentes comunes.
En estos casos el armado final es muy rápido si se dispone de los elementos componentes
esenciales. Como los tiempos de armado y despacho a los clientes son más cortos que los
tiempos de fabricación, debe anticiparse la producción de los componentes comunes con
planes basados en sus propios pronósticos. El armado final puede realizarse cuando se
conocen las cantidades requeridas de cada variedad a través de los pedidos de los clientes,
porque almacenar productos terminados es muy riesgoso por la gran cantidad de artículos
finales distintos.
Los componentes comunes son conjuntos o bloques básicos, que llamaremos módulos, a
partir de los cuales se arman los productos finales. El número de módulos es mucho menor
que el de artículos finales y esta característica facilita la planificación. El MPS se desarrolla
para los módulos a partir de sus pronósticos de demanda, como si fueran productos finales, y
el armado o presentación final que piden los clientes se establece en el Programa de Armado
Final (FAS: Final Assembly Program), que es de muy corto plazo. Así, el MPS planifica
relativamente pocos productos (los módulos) y la gran variedad de artículos finales se trata en
el FAS.
En este tipo de producción se pueden diferenciar dos casos, como muestra la Figura 2. Si la
producción de los módulos es relativamente simple, con pocos componentes, se denomina
tipo “T”; si es compleja, con
Artículos finales Artículos finales muchas partes componentes, es
FAS FAS tipo “X”. Ejemplos del tipo “T”
Módulos MPS Módulos MPS son: la fabricación de accesorios,
la de artículos de consumo masivo
con muchas presentaciones finales
distintas, etc. En el tipo “X” un
Componentes Componentes ejemplo típico es el de las fábricas
Producción tipo T Producción tipo X de automóviles que ofrecen a los
clientes la posibilidad de elegir
Figura 2 accesorios y detalles de termina-
ción; la cantidad de productos
finales distintos es enorme. Sin embargo, todas estas opciones se consiguen sobre la base de
un número relativamente pequeño de modelos básicos que, a su vez, se obtienen a partir de un
gran número de piezas, subconjuntos y conjuntos.

Las listas de materiales para los módulos, llamadas listas modulares de materiales, son
más simples que las de los artículos y esto simplifica la MRP; si el MPS se estableciera para
los productos finales, se tendría un gran número de listas de materiales con pocas diferencias
entre ellas y la MRP sería muy compleja. Las listas modulares describen todos los materiales
necesarios para producir los módulos en función de sus estructuras constructivas: conjuntos,
subconjuntos, piezas, materias primas, pero no especifican los materiales para obtener las
opciones finales. Las listas para armar los productos finales solamente deben indicar los
módulos necesarios.
Esta forma de planificar reduce los stocks porque no se mantienen existencias de artículos
finales, que se arman sobre pedidos, sino únicamente de los módulos que se planifican a partir
de pronósticos.
Ejemplo 4
Una fábrica de bicicletas produce tres modelos distintos: ESTÁNDAR; EXTRA, con 5
velocidades, y SÚPER, que tiene 10 velocidades. Para cada modelo existen cuatro opciones
de rodados: 20, 24, 26 y 28. Además, por razones de mercado, todos los modelos y opciones
se comercializan con las marcas BIKE y BICI, que difieren en los accesorios y el color de la
pintura. En total se comercializan 3 × 4 × 2 = 24 artículos finales distintos.
Dentro de cada modelo hay elementos comunes a todas las opciones y marcas: el conjunto
de pedales, el conjunto de engranajes, el conjunto manubrio, el asiento, el conjunto de frenos,
etc., que dan origen a tres módulos, que indicaremos CE, CX, CS. Los elementos que
cambian dentro de un mismo modelo, independientemente de la marca, son: el cuadro, la
horquilla, el conjunto de ruedas, etc., que constituyen los módulos E20, E24, E26, E28, X20,
X24, X26, X28, S20, S24, S26 y S28. Los accesorios que caracterizan las marcas,
independientemente de los modelos y rodados, forman los módulos BK y BC. Además hay
elementos comunes a todos los modelos, marcas y rodados, por ejemplo un conjunto de
accesorios, que forman el módulo C. Se tienen así 18 módulos con los cuales se pueden armar
todos los artículos finales. Por ejemplo, para armar una bicicleta marca BIKE, modelo
SÚPER, rodado 26, se necesita un módulo CS, uno S26, uno BK y uno C.
En el MPS se planifican las cantidades de los módulos a partir de los pronósticos. Por
ejemplo, si para un período se pronostica una demanda de 300 unidades ESTÁNDAR, 500
EXTRA y 200 SÚPER, con independencia de marcas y rodados, y se sabe que en promedio la
demanda del rodado 26 es el 40% del total del modelo, el pronóstico para planificar el módulo
CS es de 200 unidades y para planificar S26 es de 0,40 × 200 = 80 unidades. El pronóstico
para C es, obviamente, 1000 unidades. Si además se sabe que en promedio el 45% del total se
comercializa con la marca BIKE, el pronóstico BK es 450 unidades. Análogamente para los
demás. Las listas de materiales para fabricar los módulos son las que utiliza el sistema MRP.
En este ejemplo, debido a su simplicidad, la cantidad de módulos no es muy pequeña
comparada con los productos finales. Sin embargo, es fácil ver que el número de artículos
finales puede crecer con muy poco cambio en los módulos. Por ejemplo, supongamos que los
clientes pudieran elegir entre tres variantes de accesorios para todos los modelos, rodados y
marcas; el conjunto C se desdoblaría en C1, C2 y C3 y el total de módulos sería de 20, pero el
número de artículos finales sería 24 × 3 = 72.

Súper listas
En muchos casos el número de módulos es todavía muy grande e interesa simplificar aún
más el MPS. Esto se puede lograr utilizando listas de planificación basadas en modelos que
representan un cierto número de artículos finales, es decir, son productos agregados, y no en
módulos de existencia física.
En este caso las listas de planificación suelen llamarse pseudolistas de materiales o súper
listas y describen los productos agregados y las opciones a través de las cuales se obtiene,
para cada uno de ellos, una cierta variedad de artículos finales. Estas listas son muy diferentes
de las listas de materiales fundadas en la estructura constructiva del producto (BOM),
necesarias, por ejemplo, para el sistema MRP. Las súper listas están basadas en la manera en
que el producto se comercializa y no en la forma como se lo fabrica. Establecen una estructura
de unidades, que son las que se planifican en el MPS a partir de pronósticos.
Las súper listas fijan el porcentaje con que cada opción de artículo final participa en la
demanda del producto agregado correspondiente. Estos porcentajes se obtienen de los datos
de la demanda histórica. Luego, a partir de las cantidades de productos agregados planificadas
en el MPS, utilizando las súper listas se calculan las cantidades a armar de los artículos finales
que se programan en el FAS, y las cantidades de los conjuntos necesarios para armarlos.
Es importante destacar que, en general, los productos agregados no coinciden con ningún
artículo real y, por lo tanto, no se tendrá nunca existencias físicas de ellos. Cuando el MPS
muestra cantidades disponibles de uno de estos productos, esas cantidades son en realidad la
suma de las existencias de los artículos finales representados por el módulo, que son los que
existen físicamente. Análogamente, las cantidades a producir planificadas en el MPS indican
lo que deben sumar las cantidades de los artículos finales correspondientes, programadas en el
FAS. Los pronósticos en el MPS también son agregados y se los obtiene como tales a partir de
la demanda histórica agregada.
Con las cantidades planificadas en el MPS y los porcentajes establecidos en las súper listas,
se calculan inmediatamente las cantidades de los conjuntos necesarios para armar las opciones
de productos finales. Estas cantidades pasan como requerimientos brutos al sistema MRP,
que determina las cantidades de los elementos componentes que se deben fabricar para stock.
El sistema MRP será estudiado más adelante.
Dado que la planificación de los modelos en el MPS se basa en pronósticos de la demanda
media de los productos agregados, y los artículos finales se arman sobre pedidos, para
absorber la variabilidad de la demanda se deberán mantener stocks de seguridad de todos los
elementos componentes que van directamente al armado de los artículos finales.
2.2.4 Programa de Armado Final

El FAS establece el número de productos finales que deben producirse en un cierto
período. El MPS es un plan de producción basado en estimaciones y sujeto a revisiones y
modificaciones, mientras que el FAS es un programa de producción de cumplimiento real. El
FAS determina el último ajuste posible que puede hacerse en el MPS y por lo tanto es de
horizonte muy corto, solamente el tiempo de armado final, que corresponde en términos
generales a la barrera de tiempo fijo del MPS. Todo artículo programado en el FAS que no se
venda queda en stock.
En este caso es muy útil el mecanismo de “compromiso” y “disponible para comprometer”,
tanto en el MPS como en el FAS. El registro del MPS muestra, para cada período, el
pronóstico de demanda, las cantidades programadas, las existencias proyectadas, las

cantidades pedidas en firme (compromiso) y las cantidades que quedan disponibles para
atender nuevos pedidos (ATP). El registro del FAS contiene las cantidades programadas, el
disponible, las cantidades comprometidas y las ATP, pero no pronósticos. Cuando se recibe y
acepta un nuevo pedido se lo incorpora como compromiso en el FAS y se actualiza el
disponible y el ATP. El disponible se calcula con las cantidades programadas y los despachos
reales, es decir con la (3) teniendo en cuenta que no hay pronósticos, y por lo tanto son
cantidades que están físicamente en stock. Al ingresar un pedido en el FAS, simultáneamente
se actualizan el compromiso y el ATP en el MPS, en el nivel del modelo correspondiente.
Si los pedidos son menores que las cantidades programadas en el FAS el excedente queda
en stock. Sin embargo, si el armado es muy rápido se lo puede hacer a partir de los pedidos en
firme exclusivamente. En este caso las cantidades programadas en el FAS en cada período no
son de cumplimiento estricto. Cuando se recibe y acepta un pedido se lo incorpora como
compromiso en el FAS, se actualizan el ATP y el disponible y se ordena el armado y
despacho. Simultáneamente se actualizan el compromiso, el ATP y el disponible en el MPS,
en el nivel del modelo que corresponda. De esta manera no quedan artículos finales en stock;
si no se arma la cantidad programada en el FAS los que quedan en stock son los elementos
componentes. El disponible que muestra el registro del FAS no es del artículo sino de los
elementos componentes equivalentes que, si la programación de la producción de los mismos
es consistente con el MPS, deben estar físicamente en stock.
En el FAS, igual que en el MPS, se supone que las cantidades programadas estarán
disponibles para entrega en el propio período. Si el tiempo de armado es mayor que un
período, el armado debe comenzar con la anticipación necesaria en algún período anterior.
Esto implica que los conjuntos requeridos para el armado deben estar disponibles con la
misma anticipación. Este tiempo de anticipación es el tiempo de producción o lead time, y se
debe trasladar a los requerimientos brutos de los conjuntos en el sistema MRP.
Ejemplo 5
Retomemos el Ejemplo 4. Lo que caracteriza esencialmente los productos, lo que marca las
diferencias importantes, es el modelo. Cada modelo está formado por cuatro rodados y dos
marcas, es decir es el agregado de ocho opciones de artículos finales. Si se disponen
existencias de los elementos componentes de los modelos, el armado de las distintas opciones
en cada modelo es muy rápido y puede hacerse a partir de los pedidos.
Para la planificación de la producción sobre la base de estos tres modelos agregados se
definen las súper listas siguientes.
ESTÁNDAR EXTRA SÚPER
ELEMENTOS RODADO 20 BIKE ELEMENTOS RODADO 20 BIKE ELEMENTOS RODADO 20 BIKE

COMUNES % P. = 10 % P. = 40 COMUNES % P. = 5 % P. = 45 COMUNES % P. = 3 % P. = 50
% P. = 100 % P. = 100 % P. = 100
RODADO 24 BICI RODADO 24 BICI RODADO 24 BICI
% P. = 20 % P. = 60 % P. = 25 % P. = 55 % P. = 20 % P. = 50
RODADO 26 RODADO 26 RODADO 26

% P. = 45 % P. = 40 % P. = 47
RODADO 28 RODADO 28 RODADO 28

% P. = 25 % P. = 30 % P. = 30
Figura 3

Para cada modelo establecen el porcentaje de participación de cada opción en la demanda
total del modelo agregado, independientemente de la marca. Por ejemplo, en el modelo
ESTÁNDAR el 10% de la demanda es de rodado 20, el 20% de rodado 24, el 45% de rodado
26 y el 25% de rodado 28. A su vez, el 40% del total de este modelo se vende bajo la marca
BIKE y el 60% con marca BICI. Todos estos porcentajes se han obtenido de datos de la
demanda histórica y son los que permiten programar la producción de los artículos finales y
también determinar los requerimientos de los componentes que se deben producir para stock.
Los elementos comunes a todas la opciones y marcas en el modelo se utilizan, obviamente, en
el 100% de los artículos.
El MPS planifica la producción sobre la base de los tres modelos y de los pronósticos de
demanda agregada para ellos. Luego, a partir del MPS y con los porcentajes de las súper
listas, se programan las cantidades de los artículos finales en el FAS y se determinan los
requerimientos de los conjuntos necesarios para armarlos, que pasan al sistema MRP.
Supongamos que se ha determinado el siguiente MPS para las próximas 12 semanas.
Modelo ESTÁNDAR
Pronóstico dt 70 70 70 70 65 65 65 65 65 65 65 65 800
MPS xt 140 140 140 140 140 140 840
Disponible st 40 110 40 110 40 115 50 125 60 135 70 145 80
Modelo EXTRA
Pronóstico dt 85 85 85 85 100 100 100 100 100 100 100 100 1140
MPS xt 200 200 200 200 200 200 1200
Disponible st 85 0 115 30 145 45 145 45 145 45 145 45 145
Modelo SÚPER
Pronóstico dt 80 80 80 80 85 85 85 85 85 85 85 85 1000
MPS xt 170 170 170 170 170 170 1020
Disponible st 75 165 85 175 95 180 95 180 95 180 95 180 95
Tabla 9
El disponible inicial de cada modelo resulta de las existencias de los artículos finales
correspondientes, que son las siguientes.
BIKE BICI
Rodado ESTÁNDAR EXTRA SÚPER ESTÁNDAR EXTRA SÚPER
20 3 5 4 2 10 8
24 6 10 12 4 15 10
26 10 15 10 5 10 15
28 5 10 6 5 10 10
Totales 24 40 32 16 45 43
Tabla 10
Las cantidades fijadas en el MPS se traducen en cantidades de artículos finales que se

programan en el FAS. Para esta programación se utilizan las súper listas de la Figura 3.
Teniendo en cuenta que el armado es muy rápido, las cantidades planificadas en el MPS en
un dado período se pueden armar en el mismo período, es decir, el tiempo de producción
(lead time) es cero. Tomando entonces como horizonte para el FAS, por ejemplo, las cuatro
primeras semanas del MPS, el programa que resulta es el siguiente.

Programa de armado final (FAS) Part. s/modelo [%] Semanas
Marca Modelo Rodado Marca Rodado Disp. 1 2 3 4 Totales
BIKE ESTÁNDAR 20 40 10 3 6 0 6 0 12
BIKE ESTÁNDAR 24 40 20 6 11 0 11 0 22
BIKE ESTÁNDAR 26 40 45 10 25 0 25 0 50
BIKE ESTÁNDAR 28 40 25 5 14 0 14 0 28
BIKE EXTRA 20 45 5 5 0 5 0 5 10
BIKE EXTRA 24 45 25 10 0 23 0 23 46
BIKE EXTRA 26 45 40 15 0 36 0 36 72
BIKE EXTRA 28 45 30 10 0 27 0 27 54
BIKE SÚPER 20 50 3 4 3 0 3 0 6
BIKE SÚPER 24 50 20 12 17 0 17 0 34
BIKE SÚPER 26 50 47 10 40 0 40 0 80
BIKE SÚPER 28 50 30 6 26 0 26 0 52
BICI ESTÁNDAR 20 60 10 2 8 0 8 0 16
BICI ESTÁNDAR 24 60 20 4 17 0 17 0 34
BICI ESTÁNDAR 26 60 45 5 38 0 38 0 76
BICI ESTÁNDAR 28 60 25 5 21 0 21 0 42
BICI EXTRA 20 55 5 10 0 6 0 6 12
BICI EXTRA 24 55 25 15 0 28 0 28 56
BICI EXTRA 26 55 40 10 0 44 0 44 88
BICI EXTRA 28 55 30 10 0 33 0 33 66
BICI SÚPER 20 50 3 8 3 0 3 0 6
BICI SÚPER 24 50 20 10 17 0 17 0 34
BICI SÚPER 26 50 47 15 40 0 40 0 80
BICI SÚPER 28 50 30 10 26 0 26 0 52
Tabla 11
Por ejemplo, para el artículo final “BIKE ESTÁNDAR rodado 20”, el rodado 20 participa
con el 10% en el modelo ESTÁNDAR y la marca BIKE con el 40%, luego de las 140 u.
planificadas para la semana 1 en el MPS resultan para ese artículo: 140 × 0,1 × 0,4 = 5,6 u.,
que se redondean a 6 u., para la semana 1 del FAS. De la misma manera se obtienen todas las
demás cantidades.
Para operar con los pedidos se uti-
Marca: BIKE – Modelo: SÚPER – Rodado: 26
Períodos t 0 1 2 3 4 Totales
liza el mecanismo de compromiso y
FAS xt 40 0 40 0 80 disponible para comprometer. Tome-
Disponible st 10 50 50 90 90 mos como ejemplo la bicicleta marca
Compromiso ct 0 BIKE, modelo SÚPER, rodado 26.
ATP at 50 40 90 En el comienzo de la programación
Tabla 12 el registro del FAS es el que muestra
la Tabla 12.
Marca: BIKE – Modelo: SÚPER – Rodado: 26
Períodos t 0 1 2 3 4 Totales Supongamos que en la semana 1
FAS xt 40 0 40 0 80 llegan pedidos por 25 u. para entrega
Disponible st 10 25 5 45 45 en la misma semana y 20 u. para en-
Compromiso ct 25 20 45 trega en la siguiente. El registro es el
ATP at 5 40 45 de la Tabla 13; el disponible se cal-
Tabla 13 cula restando las cantidades com-
prometidas.
Si ahora, todavía en la semana 1, ingresa un pedido por 42 u. para la semana 3, como el
ATP no alcanza se deberían comprometer 2 u. del ATP de la semana 1. Sin embargo, como los

disponibles son existencias ciertas, el pedido puede cubrirse con el disponible del propio
período. El registro queda entonces como muestra la Tabla 14.
Marca: BIKE – Modelo: SÚPER – Rodado: 26 Si no ingresan más pedidos en la
Períodos t 0 1 2 3 4 Totales semana 1, la actualización del FAS al
FAS xt 40 0 40 0 80 comienzo de la semana 2 es la de la
Disponible st 10 25 5 3 3 Tabla 15.
ATP at 5 0 5 Los compromisos del FAS tam-
Tabla 14 bién se incorporan en el MPS (Tabla
9). Supongamos que, además de las
Marca: BIKE – Modelo: SÚPER – Rodado: 26 cantidades ingresadas para BIKE,
Períodos t 1 2 3 4 5 Totales SÚPER, rodado 26, ingresaron otros
FAS xt 0 40 0 40 80 pedidos para este modelo, en otras
Disponible st 25 5 3 3 43 opciones y marca, que totalizan las
Compromiso ct 20 42 62 cantidades que muestra el registro de
ATP at 0 40 40
la Tabla 16. El disponible se actua-
Tabla 15 liza aplicando la convención (3).
Modelo SÚPER
Pronóstico dt 80 80 80 80 85 85 85 85 85 85 85 85 1000
MPS xt 170 0 170 0 170 0 170 0 170 0 170 0 1020
Disponible st 75 165 85 170 90 175 90 175 90 175 90 175 90
Compromiso ct 80 65 85 20 250
ATP at 100 65 170 170 170 170 845
Tabla 16
La actualización al final de la semana 1, si no hay nuevos pronósticos ni se modifica la

planificación, es la siguiente.
Modelo SÚPER
Pronóstico dt 80 80 80 85 85 85 85 85 85 85 85 85 1005
MPS xt 0 170 0 170 0 170 0 170 0 170 0 170 1020
Disponible st 165 85 170 90 175 90 175 90 175 90 175 90 175
ATP at 65 170 170 170 170 170 915
Tabla 17
Si ingresan pedidos para períodos fuera del horizonte del FAS se incorporan solamente en
el MPS. En las posteriores actualizaciones semanales de ambos programas se incorporarán
esas cantidades en el FAS.
Respecto de la programación de los componentes, las cantidades del MPS dan origen a los
requerimientos brutos en la Planificación de los Requerimientos de Materiales (MRP). Por
ejemplo, si el conjunto de frenos es un elemento común para el modelo ESTÁNDAR, las 140
u. planificadas en el MPS (Tabla 9) para las semanas 1, 3, etc., pasan a ser requerimientos
brutos de 140 conjuntos de frenos en las mismas semanas de la MRP. En cambio, para el
conjunto de accesorios de la marca BIKE, en el modelo ESTÁNDAR, el requerimiento bruto
será de 140 × 0,4 = 56 u. Análogamente para los demás elementos.

2.3 Stocks de seguridad 3
Hemos visto que en el MPS la planificación se realiza a partir de los pronósticos de
demanda media de los productos y, por lo tanto, es necesario mantener existencias de
seguridad para tener en cuenta la variabilidad de la demanda. En la producción para stocks,
destinada a la demanda independiente, las existencias de seguridad se establecen para los
productos finales. En el armado sobre pedidos con producción de componentes para stocks,
las existencias de seguridad se mantienen para los componentes de más alto nivel con los que
se realiza el armado final. En ambos casos las existencias de seguridad forman parte del
disponible en el MPS, de manera que fijar un stock de seguridad es fijar un disponible
mínimo a mantener en el MPS.
Para calcular el stock de seguridad se debe tener en cuenta que, en general, el ingreso de
cada producto en el almacenamiento no es periódico, la cantidad no es constante, el ingreso
no es instantáneo y el plazo de provisión es nulo (el producto ingresa a medida que se lo va
fabricando). En efecto, si bien en los ejemplos anteriores ingresa un lote constante cada dos
semanas, este no es siempre el caso. Puede cambiar tanto la frecuencia como el tamaño de los
lotes debido a cambios de pronósticos, restricciones de capacidad, etc. En estas condiciones el
stock de seguridad cambiaría en cada período, sería un stock de seguridad dinámico y, si bien
no es imposible su cálculo, su mantenimiento sería sumamente engorroso y por lo tanto
impracticable.
Vamos a estimar entonces un stock de seguridad medio considerando una periodicidad de
producción media y suponiendo además ingreso instantáneo. Supongamos que del producto j
(j = 1, 2,…, n) en promedio se produce un lote cada kj períodos del MPS. Si el horizonte es T
períodos, la cantidad de lotes que ingresan en ese horizonte es T / kj. Si la demanda del
producto j en el horizonte T es una variable aleatoria Yj [u], con valor esperado µY j = Dj y
varianza σ Y2j , y si la producción total planificada en T es igual a la demanda media, el lote
medio de producción será Qj = Dj / (T / kj) = Dj × kj / T, que no es otra cosa que la demanda
media en los kj períodos.
Sea ahora Wj la variable aleatoria “demanda durante los kj períodos”, que es cuando puede
haber faltante, y sea Bj el stock de seguridad; se tendrá faltante en esos kj períodos si
Wj > Qj + Bj = µW j + Bj. Conocida la distribución de Yj y sus parámetros se puede determinar la
distribución de Wj, cuyos parámetros son, evidentemente
µW = Dj × k j T , j = 1,L, n
j
(4)
σW2 = σ Y2 × k j T ,
j j
j = 1,L, n (5)
supuesta la independencia de las demandas por unidad de tiempo.
La probabilidad de faltante es
P(Wj > µ j + B j ) = P(Wj > w j,ρ j ) = ρ j , j = 1,L, n (6)
donde wj ,ρ j = µ j + Bj . Fijado un riesgo de faltante ρj, con la distribución de Wj se calcula

w j ,ρ j tal que
3
Cf. R. A. A. Morán, “Gestión de las Existencias (Stocks)”, op. cit.
P(Wj > w j ,ρ j ) = ρ j , j = 1,L, n (7)
y luego se obtiene el stock de seguridad con
B j = w j ,ρ j − µ j , j = 1,L, n (8)
Si Wj tiene distribución Normal, estandarizando la variable el riesgo de faltante queda
 W j − µW j B 
P(W j > µW j + B j ) = P > j  = P( Z j > z j ) = ρ j , j = 1,L, n (9)
 σW σW j 
 j
donde z j = Bj σWj es el factor de seguridad. Fijado un riesgo de faltante ρj, con la

distribución Normal estándar se determina zj y el stock de seguridad resulta
Bj = z jσWj , j = 1,L, n (10)
Si el tiempo entre lotes sucesivos, en períodos, es mayor que el kj utilizado en el cálculo, el
MPS planificará lotes más grandes que el promedio estimado, pero el riesgo de faltante será
también mayor porque crece σWj y el stock de seguridad real será menor. Es evidente que lo
más conveniente es que la producción sea lo más regular posible.
Si como nivel de servicio al cliente se quiere utilizar el IPF (proporción de entrega por
ítem), suponiendo que Wj tenga distribución Normal, se calcula el valor de la función integral
de pérdida de la distribución Normal estándar, E(zj), con 4
µW
E ( z j ) = (1 − IPFj ) j
, j = 1,L, n (11)
σW j
y de la tabla de E(zj) se obtiene zj. Luego el stock de seguridad se calcula con (10).
3 DESAGREGACIÓN DEL PLAN AGREGADO

Hemos visto el MPS en el caso en que se desarrolla directamente para los productos finales
a partir de los pronósticos de sus demandas. Sin embargo, cuando los productos finales son
muchos, los procesos de producción no son simples y la incertidumbre sobre la demanda es
grande, se sigue el enfoque de planificación jerárquica y se comienza por la Planificación
Agregada de la Producción (APP). El MPS entonces se debe obtener por desagregación del
plan agregado, de manera que sea consistente con él y al mismo tiempo se satisfagan las
restricciones de capacidad y de demanda en el nivel desagregado.
Cuando la demanda es aleatoria los pronósticos de los productos finales para mediano
plazo pueden ser muy imprecisos. En estos casos, para obtener pronósticos de mediano plazo
razonables se recurre al producto agregado. La APP utiliza el producto agregado para obtener
un plan global, que minimice el costo total de producción y de mantenimiento de las
4
Cf. R. A. A. Morán, “Gestión de las Existencias (Stocks)”, op. cit., pp. 66-67. La expresión original es
E ( z j ) = (1 − IPF j ) × D j × T σ W , donde Dj × T es la demanda media por período, porque Dj es la demanda
j
media anual y T es el período expresado en años. En nuestro caso esa demanda media es µW . Wj es la demanda j
durante el tiempo en que puede haber faltante y σ W es su desviación estándar.

j

existencias y satisfaga las restricciones de capacidad globales, para todo el horizonte de
planificación.5
En muchos casos se deben considerar familias de productos, en un primer paso de
agregación, para poder obtener pronósticos en el mediano plazo. Para realizar la planificación
agregada total se deben pasar estos pronósticos a horas de producción, el plan agregado se
expresa entonces en horas de producción por período.
El problema de la desagregación consiste en obtener un MPS a partir de un plan agregado
que puede estar expresado en unidades de producto agregado o en horas de producción. El
MPS puede estar expresado en unidades de productos o en horas de producción equivalentes.
En la desagregación es donde puede tener importancia la minimización de los costos de
puesta a punto de los equipos.
En general la desagregación no es un problema simple. Cuando los pronósticos de los
productos finales son suficientemente precisos (por ejemplo, cuando los clientes adelantan
planes de compras) se puede desagregar todo el horizonte del plan agregado para obtener el
MPS. Si, en cambio, la demanda de los productos finales tienen mucha variabilidad, el error
de pronóstico puede ser grande en un período individual y conviene mantener el plan
agregado y desagregarlo únicamente para los períodos próximos, teniendo en cuenta las
existencias y los pronósticos de los productos finales para esos períodos, que pueden ser más
precisos. También se puede recurrir a utilizar períodos más grandes, por ejemplo trimestres,
que se pueden pronosticar con menor incertidumbre, y desagregar en meses el trimestre
inmediato. La desagregación tiene así características dinámicas.
En resumen, el problema de la desagregación depende de la situación, es decir del tipo y
características de la producción, de la cantidad de productos, de la forma del plan agregado,
de la precisión de los pronósticos y de los objetivos perseguidos. El método de desagregación
debe adaptarse completamente a la situación.
Sin embargo, en todos los casos, los artículos finales desagregados deben ser equivalentes
del producto agregado. Esto requiere factores de conversión para transformar las cantidades
de artículos finales en cantidades equivalentes del producto agregado.
3.1 Conversión de unidades de productos finales en unidades de producto agregado

Para estimar estos factores de conversión supongamos que la producción es intermitente en
lotes y que todos los productos finales comparten los mismos recursos. Por recurso
entenderemos una máquina, un grupo de máquinas idénticas, una célula, un puesto de trabajo
manual, etc., es decir, un Centro de Trabajo (CT) donde se hacen las distintas operaciones de
los productos. Que todos los productos compartan los mismos recursos, en este tipo de
producción, no implica que necesariamente todos los productos tengan operaciones en todos
los CT.
Sean los siguientes datos:
n = Número de productos finales.
J = Número total de CT compartidos en la planta.
P = Capacidad de producción global anual de la planta, en horas normales. [h].
5
Cf. Rogelio A. A. Morán, “Planificación Agregada de la Producción”, Departamento de Optimización y
Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas, Ingeniería y Agrimensura, U.N.R.,
Rosario, 2012.
Pj = Capacidad de producción del CT j (j = 1, 2,…, J) en el año, en horas normales. [h].
hk,j = Tiempo estándar unitario de la operación del producto final k (k = 1, 2,…, n), en el CT
j, incluida la puesta a punto de los equipos. [h/uk].
hk = Tiempo estándar unitario total de las operaciones del producto final k (tiempo unitario
de producción equivalente). [h/uk].
ha = Tiempo unitario promedio de producción del producto agregado. [h/ua].
Consideraremos únicamente las horas normales de producción porque las extras se utilizan,
muy frecuentemente, para compensar diferencias de capacidad de algunos recursos solamente.
Las horas de capacidad Pj se calculan con las horas diarias normales (un turno, dos turnos,
etc., según corresponda), los días hábiles del año, y aplicando un rendimiento que tenga en
cuenta las pérdidas por fallas y reparaciones. Este rendimiento no debe incluir los tiempos de
las puestas a punto, factores personales, ni tasas de defectuosos. La capacidad de producción
global anual de la planta resulta entonces
J
P = ∑ Pj (12)
j =1
El tiempo estándar unitario hk,j debe incluir las puestas a punto y los factores personales.
Esto implica que su cálculo se basará en un lote promedio de producción. Bajo estas hipótesis,
aceptando además que cada producto tiene a lo sumo una operación en cada CT, el tiempo
estándar unitario de todas las operaciones del producto k resulta
J
hk = ∑ hk , j , k = 1, 2,L, n (13)
j =1
Si el producto k no se procesa en el centro j, será hk,j = 0. Indicando con [uk] la unidad del
producto k, el tiempo hk se expresa en [h/uk].
Notar que hk es el tiempo de utilización efectiva de los recursos por unidad del producto k.
Lo llamaremos tiempo unitario de producción equivalente porque una unidad del producto
k equivale a hk horas de producción de los recursos. El tiempo de producción equivalente de
un lote de xk unidades del producto k está dado por
hk xk , k = 1, 2,L, n (14)
Es importante no confundir el tiempo de producción equivalente de un lote de xk unidades,
con el tiempo de producción, o tiempo de entrega, o lead time, Lk, del lote. En efecto, Lk es el
tiempo desde que comienza la producción hasta que el producto terminado está disponible
para su utilización, pasando por todas las operaciones de su proceso (es el tiempo de
permanencia en planta). En la producción intermitente en lotes este tiempo incluye, además de
los tiempos de las operaciones, los tiempos de las esperas en los CT y de los transportes entre
ellos, y por lo tanto es mayor que el tiempo de producción equivalente (14). Los tiempos de
producción Lk son necesarios para la etapa posterior de programación de las operaciones.
Recordemos el concepto de producto agregado. Supongamos que en el año, utilizando la
capacidad P, se han fabricado Q unidades de todos los artículos (es la suma de las cantidades
producidas en el año de los n artículos finales). Entonces el tiempo promedio de producción
por unidad es
ha = P Q (15)

El producto agregado es un producto cuya unidad requiere ha horas de producción, y ha es
el tiempo unitario de producción del producto agregado. Es claro que ha es un tiempo unitario
global que incluye los tiempos de las puestas a punto, factores personales, esperas, etc.
Indicando con [ua] la unidad del producto agregado, ha se expresa en [h/ua]. Es evidente
que el producto agregado puede no coincidir con ninguno de los productos finales.
Podemos definir ahora los factores de conversión entre unidades de los artículos
individuales y del producto agregado. Son las relaciones entre las horas de producción
necesarias para hacer una unidad de cada artículo final y las requeridas para hacer una unidad
del producto agregado. Es decir
hk [ h / u k ]
ak [ u a / u k ] = , k = 1, 2,L , n (16)
ha [ h / u a ]
Por ejemplo, xk unidades del artículo k equivalen a ak xk unidades del producto agregado,
porque requieren las mismas horas de producción.
Si todos los CT han estado totalmente ocupados en el año, en horas normales, y la
producción anual del producto k, en horas normales, fue de xk unidades, se debe cumplir que
n
ha ∑ ak xk = P (17)
k =1
Si el plan agregado está dado directamente en horas de producción, en la desagregación las

cantidades de los productos finales se obtienen también en horas de producción equivalentes y
la conversión a unidades de los productos se realiza utilizando los tiempos estándar hk. Por
ejemplo, xk horas del producto k equivalen a xk / hk unidades del mismo.
Ejemplo 6
Una fábrica tiene cuatro centros de trabajo en los que se producen veinte artículos
distintos. Las capacidades anuales de los CT, en horas normales netas de pérdidas (fallas,
reparaciones, etc.), son las de la Tabla 18. El CT 3 consta de dos máquinas idénticas.
Todos los productos tienen a lo sumo una operación en cada CT. En el último año, con los
CT continuamente ocupados, se produjeron Q = 8000 u. de todos los productos. Uno de los
productos, el artículo k, se fabrica en lotes promedio de 40 u. y tiene operaciones en tres CT,
con los tiempos estándar unitarios por operación y los tiempos de puestas a punto que muestra
la Tabla 19.
CT Capacidad Producto k
j [h/año] CT T. std. oper. T. p. a punto
1 1920 j [h/u] [h]
2 1800 1 0,25 5
3 3400 2
4 1680 3 0,40 6
P = 8800 4 0,35 4
1,00 15
Tabla 18
Tabla 19
Se tiene entonces:
ha = 8800 / 8000 = 1,10 h/ua

hk = (1,00 × 40 + 15) / 40 = 1,375 h/uk
ak = 1,375 / 1,10 = 1,25 ua /uk
En lo que sigue veremos el problema de la desagregación para algunos casos de aplicación

práctica, siempre dentro de la planificación en fase de tiempo.
3.2 Desagregación por proporciones

Una forma de desagregación muy simple es utilizar los porcentajes de participación de la
demanda de cada producto final en la demanda del producto agregado. Esto requiere que los
productos individuales estén expresados en unidades compatibles con el producto agregado,
por ejemplo, horas de producción o unidades genéricas, como en el Ejemplo 4 y en el
Ejemplo 5 en los que ya utilizamos la desagregación por porcentajes.
Sean:
dt = Pronóstico del producto agregado para el período t (t = 1, 2,…, T).
zt = Cantidad del producto agregado planificada para el período t (t = 1, 2,…, T).
st = Existencia del producto agregado al final del período t.
xk,t = Cantidad del producto final k (k = 1, 2,…, n) planificada para el período t, en la misma
unidad que el producto agregado.
pk,t = Proporción de la demanda del producto agregado que corresponde al producto final k
en el período t.
sk,t = Existencia del producto final k al final del período t, en la misma unidad que el
producto agregado.
Las cantidades desagregadas se calculan directamente por
xk ,t = pk ,t zt , k = 1,L, n , t = 1,L, T (18)
Estas cantidades deben ajustarse teniendo en cuenta los pronósticos detallados de los
productos finales, manteniendo la coherencia con el plan agregado. Sin embargo, los
pronósticos detallados pueden tener gran incertidumbre para los períodos más alejados. En
esta situación solamente se pueden ajustar los primeros períodos del MPS, manteniendo los
demás con pronósticos estimados por desagregación de los pronósticos agregados con los
mismos porcentajes.
En las actualizaciones periódicas del MPS se incorporan nuevos pronósticos y se realizan
los ajustes correspondientes. En este sentido debe tenerse presente que la coherencia con el
plan agregado no significa que las cantidades deban coincidir exactamente; el nivel de
planificación desagregado debe tener cierta autonomía para tomar sus decisiones e inclusive
provocar la revisión del plan agregado si corresponde.
Ejemplo 7
Supongamos un producto agregado que representa tres productos finales A, B y C, cuyos
porcentajes de participación en el agregado, en las mismas unidades que él, son 40%, 25% y
35% respectivamente. Los porcentajes son los mismos para todos los períodos.

El plan de producción agregado para doce meses es el siguiente. Las existencias iniciales
son datos del stock (suma de las existencias de los tres productos). En el mes 5 no hay
producción planificada por mantenimiento de planta.
Pronóstico dt 250 200 150 150 100 150 250 350 350 300 250 200 2700
Planificado zt 250 250 250 250 0 250 250 250 250 250 250 250 2750
Disponible st 200 200 250 350 450 350 450 450 350 250 200 200 250
Tabla 20
Las cantidades desagregadas por porcentajes son las siguientes (cantidades redondeadas).
A (40%) xA,t 85 100 100 100 100 0 100 100 100 100 100 100 100 1100
B (25%) xB,t 40 63 63 63 63 0 63 63 63 63 63 63 63 693
C (35%) xC,t 75 88 88 88 88 0 88 88 88 88 88 88 88 968
Tabla 21
Estas cantidades deben ajustarse a partir de los pronósticos detallados para obtener un MPS
realista. Supongamos que para un horizonte de doce meses esos pronósticos tienen gran
incertidumbre y que únicamente son aceptables para los primeros tres meses. La Tabla 22
contiene estos pronósticos.
Períodos t 1 2 3 Totales Aunque los pronósticos muestran una tendencia
Prod. A dA,t 110 90 70 270 decreciente todavía son mayores que los aceptados
Prod. B dB,t 60 50 40 150 en el plan agregado para esos períodos: 645 y 600
Prod. C dC,t 85 75 65 225 unidades respectivamente.
Tabla 22 En estas condiciones, dado que las cantidades de
producción agregada planificadas son todavía
mayores, se pueden mantener, en principio, las cantidades desagregadas. Para los nueve
meses siguientes se puede desagregar el pronóstico agregado con los mismos porcentajes. El
MPS es el que sigue.
Producto A Meses
Pronóstico dA,t 110 90 70 60 40 60 100 140 140 120 100 80 1110
MPS xA,t 100 100 100 100 0 100 100 100 100 100 100 100 1100
Disponible sA,t 85 75 85 115 155 115 155 155 115 75 55 55 75
Producto B
Pronóstico dB,t 60 50 40 38 25 38 63 88 88 75 63 50 678
MPS xB,t 63 63 63 63 0 63 63 63 63 63 63 63 693
Disponible sB,t 40 43 56 79 104 79 104 104 79 54 42 42 55
Producto C
Pronóstico dC,t 85 75 65 53 35 53 88 123 123 105 88 70 963
MPS xC,t 88 88 88 88 0 88 88 88 88 88 88 88 968
Disponible sC,t 75 78 91 114 149 114 149 149 114 79 62 62 80
Tabla 23
En las actualizaciones mensuales del MPS se incorporan nuevos pronósticos y se realizan

los ajustes necesarios en las cantidades planificadas.

Supongamos ahora que un horizonte de tres meses es suficiente para el MPS pero con
períodos semanales. Consideremos entonces un horizonte de doce semanas para las que se
tiene pronósticos detallados de demanda semanal. El lote mínimo de producción por artículo
es de 50 unidades. Teniendo en cuenta las cantidades agregadas y los pronósticos detallados,
un MPS posible es el de la Tabla 24. Seguiremos indicando los períodos con t aunque ahora
son semanas.
Producto A Semanas
Pronóstico dA,t 30 30 30 25 25 25 25 20 20 20 15 15 280
MPS xA,t 65 65 65 65 65 325
Disponible sA,t 85 120 90 60 100 75 50 90 70 50 95 80 130
Producto B
Pronóstico dB,t 15 15 15 15 15 15 10 10 10 10 10 10 150
MPS xB,t 65 65 65 195
Disponible sB,t 40 25 10 60 45 30 80 70 60 115 105 95 85
Producto C
Pronóstico dC,t 25 25 25 25 20 20 20 20 15 15 15 15 240
MPS xC,t 65 65 65 65 260
Disponible sC,t 75 50 90 65 40 85 65 45 90 75 60 110 95
Tabla 24
El pronóstico total es de 670 unidades, mayor que el agregado, y la producción planificada

es de 780 con lotes semanales uniformes. Se supone que el disponible incluye el stock de
seguridad.
Es claro que esta forma de desagregación puede ser muy útil en casos simples con pocos
artículos finales, pero no incluye ningún criterio de optimización. El enfoque más general es
a través de modelos de optimización.
3.3 Desagregación por familias de productos

La desagregación por familias de productos puede ser un modelo apropiado cuando las
características de la producción son tales que resulta económicamente conveniente producir
toda una familia de artículos toda vez que deba hacerse al menos uno de ellos.
Este es el caso, por ejemplo, cuando el costo de puesta a punto por cambio de familia es
mucho mayor que el costo de cambio dentro de una familia, entonces es mejor satisfacer los
requerimientos de todos los productos dentro de una familia antes de cambiar a otra.
Aquí entenderemos por familia un grupo de productos similares que, por razones
económicas o tecnológicas, conviene producir juntos, pero no son productos agregados.
Supondremos que todas las familias comparten los mismos recursos con producción
intermitente en lotes. Por lo tanto el producto agregado es único, representa directamente la
totalidad de los artículos finales. Si una planta, o parte de ella, estuviera dedicada a una única
familia o producto se la debería tratar por separado.
La desagregación se realiza para un período del MPS a partir de las cantidades fijadas en el
plan agregado, lo que es una ventaja porque únicamente se requieren pronósticos detallados
para el período que se desagrega, y consiste en:

Determinar las familias que se deben programar en el próximo período.
Fijar las cantidades que se deben producir de cada artículo de esas familias en el
período.
El procedimiento es el siguiente:6
1. Determinar las familias a incluir en el próximo período del MPS, en función de las
existencias al comienzo del período y de las demandas pronosticadas, con el siguiente
criterio: Si algún producto, dentro de una familia, resultase por debajo de su stock de
seguridad si no se lo produjera en el período, entonces la familia completa se incluye en el
plan para ese período.
2. Determinar las cantidades a fabricar de cada uno de los artículos de las familias
seleccionadas de manera de minimizar el costo total anual de puesta punto de los equipos y
mantenimiento de las existencias.
3. Ajustar las cantidades obtenidas de los artículos para concordar con el plan agregado
(ajuste que puede apartar las cantidades finales de las óptimas halladas antes).
Supongamos un período genérico t para el que se realiza la desagregación y sean:
zt = Cantidad del producto agregado planificada en el plan agregado para el período t
(t = 1, 2,…, T). [ua].
I = Cantidad de familias en que se agrupan los artículos finales.
It = Conjunto de las familias que se producen en el período t.
Ki = Cantidad de artículos finales dentro de la familia i (i = 1, 2,…, I).
Dk,i = Demanda media anual estimada (pronosticada) del producto k de la familia i (k = 1,
2,…, Ki). [uk,i].
dk,i,t = Demanda desagregada pronosticada del producto k de la familia i para el período t.
[uk,i].
ck,i = Costo variable unitario de producción del producto k de la familia i, el mismo en todos
los períodos. [$/uk,i]
sk,i,t = Existencia del producto k de la familia i, al final del período t. [uk,i].
Bk,i,t = Existencia de seguridad del producto k de la familia i, para el período t. [uk,i].
Bk,i = Existencia de seguridad media anual del producto k de la familia i. [uk,i].
ak,i = Factor de conversión de unidades del producto k de la familia i en unidades del
producto agregado. [ua / uk,i].
Ai = Costo total de puesta a punto para producir la familia i, supuesto independiente de la
familia producida antes. [$].
h = Tasa anual de costo de mantenimiento de las existencias, supuesta igual para todos los
productos. [tanto por uno].
6
Adaptado de D. D. Bedworth y J. E. Bailey, Sistemas Integrados de Control de Producción, México: Limusa,
1992, pp. 182-188.
1. Determinación de las familias a producir.
Si para al menos un producto las existencias al comienzo del período no son suficientes
para cubrir la demanda del mismo, más una cierta existencia de seguridad; es decir si para al
menos un k resulta que
sk ,i ,t −1 − d k ,i ,t < Bk ,i ,t , k = 1, 2,L, Ki , i = 1, 2,L, I (19)
entonces todos los productos k de la familia i se incluyen en el período t. Sea It el conjunto de
las familias para las que se cumple la (19).
Aquí se han supuesto existencias de seguridad, determinadas con algún criterio de servicio
al cliente.
2. Determinación de las cantidades a producir para cada producto, xk,i, en el período t.
Todos los productos k de la familia i∈It se deben producir juntos, luego la cantidad de
veces que se producen por año, Ni, es común a todos. El valor óptimo de Ni será el que
minimice el costo total anual de la decisión de producir la familia i, Ni veces en el año.
El costo medio anual de mantenimiento de las existencias resulta
 1 Dk ,i 
 Bk ,i + 2 N  ck ,i h , k = 1, 2,L, Ki , i ∈ It (20)
 i 
El costo total anual de puesta a punto (despreciando los costos de puesta a punto entre
productos de una misma familia) es Ni Ai. Luego, el costo total anual de la decisión de
producir Ni veces la familia i será
 Ki
1 Dk ,i 
CTA( N i ) = ∑  Bk ,i + ck ,i h + Ai Ni , i ∈ It
2 N i 
(21)
k =1 
Sabemos que esta función de Ni es estrictamente convexa y, por lo tanto, el mínimo se

encuentra donde se anula la derivada. Derivando entonces respecto de Ni, igualando a cero y
resolviendo, el óptimo es
Ki
h
N =*
i
2 Ai
∑c
k =1
k ,i Dk ,i , i ∈ It (22)
Luego las cantidades óptimas a producir cada vez que se hagan los productos serán
D 2Dk2,i Ai
x = k*,i =
*
k ,i Ki , k = 1, 2, L, K i , i ∈ It
Ni (23)
h ∑ ck ,i Dk ,i
k =1
Estas cantidades no dependen del período t para el que se realiza la desagregación y han
sido obtenidas sin tener en cuenta el plan agregado; por lo tanto, en general, no son las
cantidades xk,i,t a producir en el período. Para obtenerlas, las cantidades dadas por (23) se
deben ajustar para concordar con el plan agregado. Es decir, las cantidades xk,i,t deben ser tales
que, convertidas en unidades agregadas, su suma iguale la planificación agregada zt en el
período. Este es el paso siguiente.
3. Ajuste de las cantidades obtenidas al plan agregado.

Las cantidades xk,i,t a producir deben ser tales que, convertidas en unidades agregadas, sean
equivalentes de las cantidades de producto agregado, es decir
 Ki 
∑ ∑ ak ,i xk ,i ,t  = zt
i∈I t  k =1
(24)

y esto se logra calculando las xk,i,t a partir de las (23) mediante
 Ki * 
xk ,i ,t = xk*,i zt ∑ ∑ ak ,i xk ,i  , k = 1, 2,L, Ki
i∈I t  k =1
, i ∈ It (25)

que es un ajuste proporcional. En efecto, llamando
 Ki 
zt* = ∑ ∑ ak ,i xk*,i  (26)
i∈I t  k =1 
reemplazándola en (25), multiplicando m. a m. por ai,k y sumando se obtiene
 Ki 
[ ] ∑ ∑ a 
Ki
∑ ∑ ak ,i xk ,i ,t  = zt zt
i∈I t  k =1
*
x  = zt
*
k ,i k ,i (27)
 i∈I t  k =1 
y las cantidades xk,i,t verifican la (24).
Si bien las cantidades xk,i,t dadas por (25) se ajustan al plan agregado, no tienen en cuenta
los posibles desbalances en las existencias al comienzo del período. En efecto, por la
aleatoriedad de la demanda algunos artículos pueden tener existencias en exceso, por ejemplo
mayores que la demanda pronosticada más el stock de seguridad (en rigor, si se cumpliera el
pronóstico no se necesitaría producirlos), mientras que para otros puede ser muy exigua. Estas
discrepancias las podemos evaluar calculando
yk ,i ,t = sk ,i ,t −1 − d k ,i ,t − Bk ,i ,t , k = 1, 2,L, Ki , i ∈ It (28)
que miden las diferencias entre lo disponible y lo necesario según lo pronosticado. Si yk,i,t > 0
el artículo tiene existencias en exceso, mientras que si yk,i,t < 0 son insuficientes. Los artículos
para los que yk,i,t < 0 son precisamente los que provocaron la inclusión de la familia en el plan.
Para tener en cuenta estas diferencias vamos a modificar los lotes dados por (23), antes de
ajustarlos para que concuerden con el plan agregado, de la siguiente manera
xk′ ,i = xk*,i − yk ,i ,t = xk*,i − sk ,i ,t −1 + d k ,i ,t + Bk ,i ,t , k = 1, 2,L, Ki , i ∈ I t (29)
Si yk,i,t < 0 el lote se incrementa y si yk,i,t > 0 disminuye. Si las existencias fueran tan
grandes que resultara x'k,i < 0, se tomará x'k,i = 0.
Finalmente los lotes corregidos (29) se ajustan al plan agregado en forma proporcional,
como se ajustaron los lotes (23) con la expresión (25), es decir
xk ,i ,t = xk′ ,i zt zt′ , k = 1, 2,L, Ki , i ∈ It (30)
donde
 Ki 
zt = ∑ ∑ ak ,i xk′ ,i 
′ (31)
i∈I t  k =1 

Estos son los lotes que se planifican en el MPS para el período t. El orden en que se
procesan los lotes dentro del período se establece en una etapa posterior de programación de
las operaciones.
Ejemplo 8
Consideremos los productos cuyos datos se muestran en la tabla siguiente. El plan
agregado establece una producción zt = 400 unidades para el próximo período t. Se quiere
determinar el plan desagregado para ese período.
Familia Artículo Demanda Factor de Stock Pronóstico Stock Stock de

media anual conversión actual del período esperado seguridad
i k Dk,i ak,i sk,i,t-1 dk,i,t sk,i,t Bk,i,t
A A1 450 0,85 17 40 –23 10
A2 800 1,10 25 65 –40 15
A3 400 0,90 35 30 5 5
B B1 500 1,20 70 60 10 10
B2 700 0,95 40 25 15 6
B3 400 1,05 50 35 15 8
C C1 600 1,15 13 50 –37 12
C2 350 0,85 40 30 10 5
C3 500 0,95 17 40 –23 10
Tabla 25
Los costos variables unitarios de producción son iguales para todos los artículos dentro de
cada familia:
Artículos de la familia A: ck,A = 5 $/u
Artículos de la familia B: ck,B = 10 $/u
Artículos de la familia C: ck,C = 8 $/u
El costo de puesta a punto, igual para todas las familias, es de 100 $. La tasa anual de costo
de mantenimiento de las existencias es del 25%.
De la Tabla 25 es evidente que se deben producir en el período las familias A y C. El
cálculo de la desagregación se muestra en la Tabla 26.
Art. Factor Stock Demanda Difer. Lote Primer Lote Lote Verific.
conv. Segur. Inicial Período Anual teórico ajuste agreg. produc.
k ak,i Bk,i,t sk,i,t-1 dk,i,t Dk,i yk,i,t x k* ,i x k′ ,i a k ,i x k′ ,i xk,i,t ak,I xk,i,t
A1 0,85 10 17 40 450 –33 140 173 147 65 55
A2 1,10 15 25 65 800 –55 249 304 335 115 126
A3 0,90 5 35 30 400 0 125 125 112 47 42
C1 1,15 12 13 50 600 –49 158 207 238 78 90
C2 0,85 5 40 30 350 5 92 87 74 33 28
C3 0,95 10 17 40 500 –33 131 164 156 62 59
3100 1061 400
Tabla 26
Por ejemplo, para A1 se tiene:

yA1 = 17 – 40 – 10 = –33

2 × (450) 2 × 100
xA* 1 = = 140
0,25 × 5 × (450 + 811 + 400)
resultando
x′A 1 = 140 – (–33) = 173
a A 1 x A′ 1 = 0,85 × 173 = 147
Análogamente se obtienen los demás. Con estos valores resulta:
 Ki 
zt = ∑ ∑ xk′ ,i ak ,i  = 1061
′
i∈I t  k =1 
y el lote de producción es
xA1,t = xA′ 1 zt zt′ = 65
Los lotes así obtenidos verifican el plan agregado.
Si bien se ha desagregado solamente el período t, si se cuenta con pronósticos de los
períodos siguientes se puede plantear un plan
Períodos st–1 t t +1 t +2 desagregado tentativo para ellos, que puede ser útil
Pronóstico dA1,t 40 35 35
como estimación preliminar. Por ejemplo, para el
MPS xA1,t 65 65 0
Disponible sA1,t 17 42 72 37 artículo A1, si el pronóstico para los dos períodos
siguientes es de 35 unidades, un MPS tentativo sería
Tabla 27 el de la Tabla 27. Es claro que, si se cumple el
pronóstico en el período t, el artículo deberá
producirse en el período t +1, y por lo tanto toda la familia A. El lote no se puede calcular,
porque se necesitan los datos de fin del período t para poder hacer los ajustes; sin embargo,
tomando como estimación el mismo lote del período t se obtiene el MPS indicado.
Análogamente para los otros artículos.
Observaciones
Con los ajustes los lotes se apartan de los óptimos (que sirvieron únicamente como primera
aproximación). La idea central en este modelo es que en cada período se debe hacer la
cantidad indicada por el plan agregado y por eso se ajustan los lotes. Lo ideal sería que
coincidieran las cantidades ajustadas al plan agregado en cada período con el lote óptimo. Si
el lote resultante en la desagregación es menor que el óptimo deberíamos trabajar en las
mejoras necesarias para que el lote óptimo económico sea más chico, disminuyendo el costo
de puesta a punto Ai. Vemos entonces que este método de desagregación puede ser útil
también para detectar objetivos de mejora.
El modelo utiliza un producto agregado único, y desagrega por familias y productos finales
para el próximo período (aunque pueden estimarse períodos siguientes). Requiere el
pronóstico para el período a desagregar de cada artículo final y la estimación de la demanda
total anual, pero no los pronósticos detallados por período, que para el horizonte del plan
agregado podrían ser totalmente imprecisos.

3.4 Desagregación en fase de tiempo
Consideremos ahora la desagregación de un único producto agregado para todos los
períodos del plan. El problema consiste en determinar qué productos y en qué cantidades se
deben fabricar en cada período, de manera consistente con el plan agregado, para satisfacer la
demanda minimizando el costo total de producción, puesta a punto y almacenamiento. El
problema se puede resolver por medio de un modelo de Programación Entera Mixta (PEM).7
Vamos a suponer que los períodos del MPS son los mismos del plan agregado y que los
lotes de los productos desagregados se pueden fabricar íntegramente dentro del propio
período, es decir, ningún lote comenzado en un período continúa en el siguiente. Además, los
productos desagregados comparten los recursos de producción y por lo tanto se deben
satisfacer las restricciones de capacidad. El orden en que se deben procesar los artículos en
esos recursos, en cada período, se establece posteriormente en la programación de las
operaciones.
En la programación de las operaciones dentro de cada período del MPS pueden aparecer
restricciones adicionales, por ejemplo: simultaneidad de requerimientos de un recurso, que
limiten más la capacidad y obliguen a modificar el plan desagregado obtenido. Este control es
parte de la Planificación de la Capacidad.
Supondremos también que los tiempos de puesta a punto y sus costos no dependen del
orden en que se fabriquen los distintos productos en los CT. Como es habitual, admitiremos
que la producción de cada período cubre la demanda del período pero que, además, pueden
quedar cantidades pendientes de entrega para el período siguiente, es decir que puede haber
atrasos en las entregas.
Para plantear el modelo definamos lo siguiente:
dt = Demanda agregada en el período t (t = 1, 2,…, T). [ua].
zt = Producción agregada planificada en el período t. [ua].
st = Existencias agregadas planificadas en el período t. [ua].
et = Horas extras planificadas en el período t del plan agregado [h].
dk,t = Demanda media pronosticada del producto k (k = 1, 2,…, n) en el período t. [uk].
xk,t = Cantidad a producir del producto k en el período t. [uk].
vk,t = Cantidad pendiente de producción (atraso) del producto k en el período t. [uk].
sk,t = Existencias del producto k al final del período t. [uk].
sk,0 = Existencias iniciales del producto k (dato). [uk].
ak = Factor de conversión de unidades de producto k en unidades agregadas. [ua / uk].
Bk,t = Existencias mínimas (stock de seguridad) del producto k al final del período t (dato).
[uk].
Pj,t = Capacidad del CT j en el período t, en horas normales de producción (dato). [h].
Ej,t = Capacidad del CT j en el período t, en horas extras de producción (dato). [h].
ej,t = Horas extras utilizadas en el CT j en el período t. [h].
7
Cf. Rogelio A. A. Morán, Programación Lineal. Una introducción con extensiones a la Programación Entera y
a la Programación Cuadrática, 2ª ed., Rosario: UNR Editora, 2011, cap. 7.
Ak,j = Costo de puesta a punto para hacer la operación del producto k en el CT j (j = 1,…, J),
independiente del producto realizado antes. [$].
mk,j = Tiempo estándar unitario de la operación del producto k en el CT j, sin incluir la
puesta a punto. [h].
rk,j = Tiempo estándar de puesta a punto de la operación del producto k en el CT j,
independiente de la secuencia. [h].
cp,k = Costo variable unitario de producción, en horas normales, del producto k puesto en el
almacenamiento. [$/uk].
ce,j = Incremento del costo por hora extra utilizada en el CT j. [$/h].
cv,k = Costo unitario por atraso en las entregas del producto k, con cv,k > cp,k. [$/uk].
i = Tasa de costo de mantenimiento de las existencias por período, supuesta igual para
todos los productos. [tanto por uno].
αk,t = Variable que indica si el producto k se hace en el período t:
= 1 si el producto k se hace en el período t
α k ,t = 
= 0 en todo otro caso
Para calcular el costo de mantenimiento de las existencias por período es necesario conocer
la evolución de las mismas. Dado que un producto puede fabricarse en distintos momentos
dentro del período, o no fabricarse, y que la demanda se puede satisfacer de diferentes
maneras en el período, dicha evolución puede tomar muy distintas formas. En consecuencia,
para mantener simple el modelo, haremos una aproximación considerando solamente
evoluciones lineales de las existencias en cada período, de manera que las existencias medias
por período estarán dadas por (sj,t–1 + sj,t) / 2. El costo de mantenimiento de las existencias
T n
c  T n
estará dado entonces por ∑∑  p ,k ( sk ,t −1 + sk ,t ) i  , que se puede aproximar por ∑∑ c p ,k sk ,ti
t =1 k =1  2  t =1 k =1
ya que únicamente difiere de la anterior en el primer término y en el último. Usaremos esta

simplificación.
Si un producto se fabrica en un período, se debe realizar la correspondiente puesta a punto
de los equipos en el mismo período. Es decir, si resulta xk,t > 0 debe ser αk,t = 1, y si xk,t = 0
debe ser αk,t = 0. Estas condiciones se establecen mediante las restricciones xk ,t ≤ Mαk ,t , ∀k, t,
donde M es un número suficientemente grande como para que si αk,t = 1, la restricción no sea
efectiva. Entonces, si xk,t = 0 resultará αk,t = 0 porque la función objetivo es de minimización,
mientras que si xk,t > 0 resultará necesariamente αk,t = 1.
Si el producto k no tiene operación en el CT j, es mk,j = 0 y rk,j = 0 (datos). Si el producto k
no se hace en el período t resulta xk,t = 0 y αk,t = 0. Supondremos que cada producto tiene a lo
sumo una operación en cada CT.
En cada CT y en cada período se pueden planificar ej,t horas extras hasta un máximo Ej,t.
La capacidad disponible en cada CT en cada período será entonces Pj,t + ej,t. La capacidad Pj,t
debe ser neta de fallas y reparaciones. El total de horas extras por período debe concordar con
las horas extras planificadas en el plan agregado, et.
La función a minimizar es el costo variable total anual de producción en horas normales,
de puestas a punto, de mantenimiento de las existencias, de pendientes y de las horas extras.

Bajo las suposiciones hechas el modelo es el siguiente.
T  n  J  J 
min . CT = ∑ ∑ c p ,k xk ,t + ∑ Ak , jα k ,t + i c p ,k sk ,t + cv ,k vk ,t  + ∑ ce, j e j ,t  (32)
 k =1 
t =1  j =1  j =1 
sujeta a
sk ,t −1 + xk ,t − sk ,t − vk ,t −1 + vk ,t = d k ,t , ∀k , t

 xk ,t − Mα k ,t ≤ 0 , ∀k , t
n
∑ ak xk ,t = zt , ∀t
 k =1
n
∑ ak sk ,t = st , ∀t
 k =1
n
 m x +r α −e = P
 ∑ k , j k ,t k , j k ,t j ,t j ,t , ∀j , t (33)
k =1

J
∑ e j ,t = et , ∀t
 j =1
e j ,t ≤ E j ,t , ∀j , t

sk ,t ≥ Bk ,t , ∀k , t
 x , e , s , v ≥ 0 , ∀k , j , t
 k ,t j ,t k ,t k ,t
α k ,t binarias , ∀k , t
El primer grupo de restricciones establece el balance producción-existencias-pendientes-

demanda, donde sk,0 y vk,0 son datos. El segundo grupo es el de las restricciones de puesta a
punto y los dos siguientes son las restricciones de coherencia agregación-desagregación. El
quinto grupo es el de las restricciones de capacidad. El grupo siguiente establece la relación
de las horas extras con el plan agregado. Luego siguen las acotaciones de las horas extras y
los stocks, y las condiciones sobre las variables.
Observaciones
1) Es importante observar que en este modelo se supone que los productos finales comparten
todos los recursos y, en consecuencia, el costo variable unitario de producción es único
para cada producto, sin desagregación en los costos por cada recurso (los CT). En estas
condiciones el costo variable total en la función objetivo es una función lineal. Los
recursos intervienen solamente como restricciones de capacidad y las horas extras como
posibles ampliaciones de las mismas. Muy diferente es el caso cuando los recursos pueden
no utilizarse todos, pues se deben considerar los costos variables de producción por recurso
como, por ejemplo, cuando las horas extras son un recurso, un segundo turno es otro
recurso, etc. En este caso el costo variable total es una función lineal por tramos, y si es
convexa con tramos de pendiente creciente, por ser un problema de minimización, la
prioridad de uso de los recursos queda establecida por el orden creciente de los costos
variables correspondientes a cada uno.8
8
Este tema está analizado en R. A. A. Morán, “Planificación Agregada de la Producción”, op. cit., punto 2.3.
2) Admitir pendientes en las entregas es una flexibilización del modelo. Caso contrario, tal
como están planteadas en (33), las restricciones de coherencia agregación-desagregación y
las que fijan las relaciones de las horas extras con el plan agregado podrían hacer que el
modelo sea incompatible.9
3) El modelo requiere los pronósticos de todos los productos para todos los períodos. En
horizontes de mediano plazo, por ejemplo anuales, los pronósticos pueden tener una gran
incertidumbre. En este caso se puede aplicar el modelo para desagregar solamente los
primeros períodos del plan agregado, e ir incorporando nuevos períodos en las sucesivas
revisiones.
4) Si se dispone de pronósticos confiables para todos los períodos del horizonte, eliminando
las restricciones de coherencia agregación-desagregación y las de concordancia de las
horas extras, el modelo es aplicable para obtener el MPS directamente para los productos
finales, sin planificación agregada.
5) Es posible que, debido a los tiempos de las puestas a punto, se hayan fijado lotes mínimos
de producción. En este caso el modelo debería incorporar las restricciones para establecer
que las cantidades a producir en cada período no sean menores que dichos lotes. Sin
embargo esta situación debe analizarse cuidadosamente porque esas condiciones podrían
resultar incompatibles con las de coherencia agregación-desagregación del modelo.
6) Respecto de los stocks de seguridad es aplicable todo lo estudiado en el punto 2.3.
7) La cantidad de variables binarias del modelo es igual al producto del número de artículos
finales por el número de períodos. Si el número de productos finales es grande, la cantidad
de variables binarias puede hacer que el tiempo de cálculo sea muy grande. Luego
ampliaremos el comentario sobre este aspecto de los modelo de PEM.
Ejemplo 9
Una planta fabrica tres productos A, B y C en cuya producción se utilizan cuatro centros de
trabajo. El plan agregado para los próximos seis meses es el siguiente, sin horas extras.
Períodos t 0 1 2 3 4 5 6 Totales
Pronóstico dt 700 670 690 680 650 620 4010
Planificado zt 700 700 700 700 700 700 4200
Disponible st 207 207 237 247 267 317 397
Tabla 28
Los pronósticos de los productos para esos períodos y las capacidades en horas normales y
extras de los CT están en las siguientes tablas.
Períodos t 1 2 3 4 5 6 Totales CT Capacidades

Producto A 150 200 220 230 220 200 1220 j Pj [h] Ej [h]
Producto B 300 300 320 330 350 380 1980 1 160 48
Producto C 280 200 180 160 130 100 1050 2 150 45
3 280 84
Tabla 29
4 140 42
Tabla 30
9
Ver el punto 3.4.1
Las existencias iniciales, las mínimas, los costos de producción y atrasos, los factores de
conversión y los tiempos estándar de las operaciones y de las puestas a punto y los costos de
las mismas en los cuatro CT se muestran en la Tabla 31.
El costo por hora de las puestas a punto es de 100 [$/h]. La tasa mensual de costo de
mantenimiento de las existencias es i = 0,02 [$/$] y el incremento de costos por cada hora
extra es de ce,j = 30 [$/h], el mismo para todos los CT.
Prod. sk,0 Bk cp,k cv,k ak mk,1 rk,1 Ak,1 mk,2 rk,2 Ak,2 mk,3 rk,3 Ak,3 mk,4 rk,4 Ak,4
k [u] [u] [$/u] [$/u] [ua/uk] [h/u] [h] [$] [h/u] [h] [$] [h/u] [h] [$] [h/u] [h] [$]
A 50 10 20 50 1,2 0,3 3 300 0 0,5 4 400 0,4 3 300
B 100 20 30 70 0,7 0,4 5 500 0,3 3 300 0,3 2 200 0
C 70 10 25 40 1,1 0 0,4 2 200 0,4 3 300 0,3 4 400
Tabla 31
El modelo se aplicó sin incluir las restricciones de coherencia en los stocks para dejar
mayor flexibilidad, ni las de relación de las horas extras porque el plan agregado no las fija.
Se tomó M = 10000.
La tabla siguiente resume la solución obtenida utilizando el programa LINDO® 10 cuyo
modelo se presenta en el Apéndice. Las cantidades están redondeadas a enteros.
Producto A
Pronóstico dA,t 150 200 220 230 220 200 1220
MPS xA,t 190 193 225 258 281 281 1428
Disponible sA,t 50 90 83 88 116 177 258
Pendientes vA,t 0 0 0 0 0 0
Producto B
Pronóstico dB,t 300 300 320 330 350 380 1980
MPS xB,t 328 356 331 307 289 289 1900
Disponible sB,t 100 128 184 195 172 111 20
Pendientes vB,t 0 0 0 0 0 0
Producto C
Pronóstico dC,t 280 200 180 160 130 100 1050
MPS xC,t 220 200 180 160 146 146 1052
Disponible sC,t 70 10 10 10 10 26 71
Pendientes vC,t 0 0 0 0 0 0
Tabla 32
El costo total del plan es de 147041 $.

Se observa que la demanda se puede satisfacer sin cantidades pendientes de entrega.
Es fácil verificar que las existencias resultantes, convertidas en unidades agregadas, son
algo menores que las fijadas en el plan agregado.
Las horas extras utilizadas por CT y por período están en la siguiente tabla.
10
LINDO es una Marca Registrada de Lindo Systems, Inc., 1415 North Dayton Street, Chicago, Illinois 60622,
USA.
CT Períodos
j 1 2 3 4 5 6
1 36,39 48,00 48,00 48,00 48,00 48,00
2 41,52 41,67 26,33 11,00 0,00 0,00
3 10,57 11,96 12,93 13,89 14,58 14,58
4 9,04 4,04 11,07 18,11 23,16 23,16
Tabla 33
En este ejemplo el modelo tiene 18 variables binarias y el tiempo de ejecución es inferior

al segundo.
3.4.1 El problema de la consistencia agregación-desagregación

El enfoque jerárquico de la planificación descompone un problema complejo en
subproblemas más simples. Sin embargo, como ya hemos señalado, es necesario respetar la
coherencia global de este enfoque, haciendo que las decisiones tomadas en un nivel sean
consistentes, es decir, que no generen imposibilidades en los niveles siguientes. En el caso
particular del proceso agregación-desagregación, el Plan Agregado debe ser tal que pueda ser
desagregado en un Plan Desagregado factible.11
Supongamos un plan agregado para un único producto agregado y sin posibilidad de
cantidades pendientes. Las restricciones de balance producción-existencias-demanda son12
st −1 + zt − st = d t , t = 1, 2,L, T (34)
donde s0 es dato.
Diremos que el Plan Agregado zt (t = 1, 2,…, T) que satisface (34) es consistente si puede
ser desagregado en un Plan Desagregado factible.
Consideremos ahora el modelo de desagregación definido por (32)-(33) pero haciendo
vk,0= vk,t = 0 (k = 1,…, n, t = 1,…, T) en (33), es decir sin la posibilidad de tener cantidades
pendientes. Las restricciones de balance producción-existencias-demanda quedan:
sk ,t −1 + xk ,t − sk ,t = d k ,t , k = 1, 2,L, n , t = 1, 2,L, T (35)
El plan desagregado resultante se dice que es factible si, cumpliendo con las restricciones
de coherencia de la desagregación, satisface las (35) y las condiciones de no negatividad de
las variables.
Es fácil ver que las condiciones de coherencia pueden hacer que el modelo de
desagregación sea incompatible, es decir que no se pueda lograr un plan desagregado factible
y por lo tanto el plan agregado no sea consistente. Un ejemplo muy simple muestra este
problema.
Supongamos sólo dos artículos con existencias iniciales s1,0 = 5 y s2,0 = 15 y demandas
para el primer período d1,1 = 7 y d2,1 = 3. Supongamos también, para mayor simplificación,
que los factores de conversión de unidades de productos finales en unidades de producto
agregado son a1 = a2 = 1, como en el caso en que todas las cantidades están expresadas en
horas de producción. Entonces, para el primer período del Plan Agregado se tiene:
s0 = s1,0 + s2,0 = 20 y d1 = d1,1 + d2,1 = 10. Supongamos ahora que el Plan Agregado establece
11
Cf. R. A. A. Morán, “Sistemas de Planificación…”, op. cit.
12
Cf. R. A. A. Morán, “Planificación Agregada de la Producción”, op. cit.
z1 = 0, con lo que resulta s1 = 10. En estas condiciones, por las restricciones de coherencia,
debe ser x1,1 + x2,1 = z1 = 0, lo que implica x1,1 = x2,1 = 0, y las (35) en el primer período son
claramente incompatibles. Es decir, no hay un Plan Desagregado factible y por lo tanto el Plan
Agregado no es consistente. La razón es muy simple: s0 satisface el Plan agregado pero s1,0 es
insuficiente para el primer artículo y, aunque s2,0 es excesiva, son productos distintos y no se
pueden compensar. Es claro que si en el plan agregado hubiese sido s0 = 0, habría resultado
necesariamente z1 ≥ 10 y el plan sería consistente. En efecto, se puede demostrar que un plan
agregado es siempre consistente si los stocks iniciales son nulos.
La consistencia del plan agregado asegura la existencia de al menos un plan desagregado
factible. Sin embargo, cuando se realiza la desagregación solamente para el primer período es
necesario asegurar que la solución retenida para ese período no impida la factibilidad en la
desagregación para los períodos posteriores. Diremos entonces que la desagregación xk,1
(k = 1, 2,…, n) es consistente si existe una desagregación factible del plan agregado en los
períodos siguientes t = 2, 3,…, T.
De estas observaciones surge inmediatamente la cuestión de las condiciones necesarias y
suficientes para la consistencia en el proceso de desagregación; tema que ha sido ampliamente
estudiado y en cuyo detalle no entraremos.13
En efecto, desde el punto de vista de las aplicaciones prácticas en el ambiente de
permanentes cambios de la planificación y programación, si el plan agregado ha sido obtenido
por optimización (minimización del costo variable total anual), en lugar de verificar las
condiciones de consistencia, se prefiere flexibilizar las restricciones de coherencia de manera
que se puedan obtener planes desagregados factibles. Se admiten entonces, además de los
potenciales pendientes en las entregas, posibles desvíos en las restricciones de coherencia de
la producción y de los stocks, así como en las relaciones sobre las horas extras.
Para que el plan desagregado se ajuste tanto como sea posible al agregado los posibles
desvíos deben ser mínimos. Las variables que los representan se incorporan entonces con
costos apropiados en la función objetivo. El modelo del punto siguiente es un ejemplo de
aplicación de este enfoque.
3.5 Desagregación de familias en fase de tiempo y subperíodos

El modelo siguiente, que generaliza el dado por (32)-(33), parte del plan agregado óptimo
en el que se ha minimizado el costo variable total de producción, de puestas a punto, de
almacenamiento, etc., y han quedado definidas las puestas a punto de las familias y los
períodos en los que se realizan. No busca minimizar nuevamente los costos sino encontrar un
plan desagregado cuyas diferencias con el plan agregado sean mínimas. Además, para mayor
generalidad, utiliza períodos del MPS que son un número entero de subperíodos del período
del plan agregado, por ejemplo semanas dentro del mes.
Todas las cantidades de las familias y los productos se expresan en horas de producción
equivalentes.14
Supongamos que se dispone de los siguientes datos, resultados del plan agregado, para
cada período t = 1, 2,…, T:
13
Cf., por ejemplo, J. Erschler, G. Fontan and C. Merce, “Consistency of the Disaggregation Process in
Hierarchical Planning”, Operations Research, Vol. 34, No. 3 (May - Jun., 1986), pp. 464-469.
14
Adaptado del modelo de C. H. Chung y L. J. Krajewski, “Planning Horizon for Master Production
Scheduling”, Journal of Operations Management, Agosto de 1984, pp. 389-406.
zi,t = Producción planificada de la familia i (i = 1, 2,…, I) en el período t, en horas de
producción.
si,t = Existencia de la familia i, al final del período t, en horas de producción.
ht = Horas normales de producción disponibles (capacidad) en t.
et = Horas extras planificadas en t.
βi,t = Variable binaria que indica si la familia i se fabrica en t:
= 1 si la familia i se produce en el período t
βi ,t = 
Si el plan agregado se obtuvo también con un modelo de PEM, estas variables son un
resultado del mismo. En caso contrario hay que darles los valores que correspondan según el
plan agregado.
Para plantear el modelo de desagregación, definamos:
p = Subperíodo genérico del MPS, p = 1, 2,…, P, donde P es el número total de ellos,
por ejemplo 48 semanas.
Pt = Conjunto de subperíodos MPS en el período t del plan agregado. Por ejemplo, si
fueran semanas dentro del mes: P1 = {1, 2, 3, 4}; P2 = {5, 6, 7, 8}; etc. Entonces
cada p pertenece a algún Pt (p ∈ Pt, t = 1, 2,…, T).
xk,i,p = Producción planificada del producto k (k = 1, 2,…, Ki) de la familia i (i = 1, 2,…, I)
en el subperíodo p del MPS (p ∈ Pt), en horas de producción.
dk,i,p = Demanda pronosticada del producto k de la familia i, en el subperíodo p, en horas de
producción. Se supone consistente con la demanda agregada di,t pronosticada para la
familia i en el período t.
sk,i,p = Existencia del producto k de la familia i, al final del subperíodo p, en horas de
producción.
vk,i,p = Cantidad pendiente (atraso) del producto k de la familia i en el subperíodo p para el
subperíodo siguiente, en horas de producción.
Li = Tiempo de producción (lead time) de la familia i, medido en subperíodos del MPS.
Es el número de subperíodos MPS requerido para la producción de los artículos de la
familia i correspondientes a un período del plan agregado. Ejemplo: si Li > 1 y la
familia i se comienza a producir en el subperíodo p estará terminada en el subperíodo
p + Li − 1 (ya que se cuenta el subperíodo de inicio completo).
l = Subperíodo genérico del MPS dentro del tiempo Li (l = 1, 2,…, Li).
αi,p = Variable que indica en qué subperíodo MPS se hace la puesta a punto de la familia i:
= 1 si la p. a p. de la familia i se hace en el subperíodo p del MPS
αi , p = 
mk,i,j,l = Proporción del tiempo estándar unitario de producción del producto k de la familia i,
utilizado en el centro de trabajo (CT) j (j = 1, 2,…, J), en el subperíodo l del tiempo
de producción Li [horas de centro de trabajo / horas de producción].

ri,t = Tiempo de puesta a punto de la familia i en el período t del plan agregado. Se supone
que se la puede realizar completamente dentro de un subperíodo del MPS. Si la
puesta a punto es independiente del período t bastará poner ri.
Consideraciones generales
1) Si en el plan agregado se supuso que una misma familia se puede hacer en todos los
períodos, los Li no deben superar la amplitud de un período del plan agregado, pues en
caso contrario se podrían solapar distintos lotes de una misma familia. Si los Li fueran
mayores que la amplitud del período del plan agregado, se deberían agregar restricciones
en el modelo para evitar los solapamientos. En lo que sigue se supone que Li > 1 (en
subperíodos del MPS), para todas las familias, e íntegramente contenidos en los
correspondientes períodos del plan agregado. Esto restringe los subperíodos del MPS en
los que puede comenzar la producción de una determinada familia.
2) El tiempo de producción expresado por un número entero de subperíodos se debe a que se
supone que la planificación se realiza en fase de tiempo. Esto significa que, por ejemplo, si
el tiempo de producción de una familia es de tres subperíodos (Li = 3), el último
subperíodo es para los artículos finales y los dos anteriores para producir los componentes
(piezas y conjuntos). Por lo tanto en el MPS figurarán solamente las cantidades (en horas
de producción) de los productos finales en el último subperíodo del tiempo de producción
Li, si bien en subperíodos anteriores se han utilizado recursos para producir los
componentes, recursos que deben ser tenidos en cuenta al plantear las restricciones de
capacidad debidas a los mismos.
3) Como el tiempo Li es común a toda la familia i, la planificación en fase de tiempo implica
que las cantidades (horas de producción) de todos los productos finales de la familia que se
fabriquen figurarán en el mismo subperíodo p del MPS, si la misma se comenzó a producir
en p –Li + 1. El orden en que se fabrican los artículos dentro de la familia no se establece
en este nivel de planificación sino en la programación posterior.
4) En un mismo período del plan agregado se puede producir más de una familia. En este
caso cada familia comenzará en un determinado subperíodo del MPS y terminará en otro,
períodos que pueden llegar a coincidir con los de otra familia.
Bajo estas consideraciones el modelo se puede plantear como sigue.
Restricciones
a) Balance producción-existencias-pendientes-demanda.
sk ,i , p −1 − sk ,i , p + xk ,i , p − vk ,i , p −1 + vk ,i , p = d k ,i , p
(36)
para p ∈ Pt , t = 1,L, T , k = 1,L, Ki , i = 1,L, I
donde sk,i,0 y vk,i,0 son datos.
b) Coherencia agregación-desagregación de la producción.
Ki
∑∑ x
k =1 p∈Pt
k ,i , p = zi ,t , i = 1, 2,L, I , t = 1, 2,L, T (37)
Para flexibilizar el modelo se pueden considerar posibles desvíos (holguras) de producción,

en más ( zi+,t ) o en menos ( zi−,t ), respecto del plan agregado, resultando:

Ki
∑∑ x
k =1 p∈Pt
k ,i , p + zi−,t − zi+,t = zi ,t , i = 1, 2,L, I , t = 1, 2,L, T (38)
Si una holgura es positiva la otra es necesariamente nula, porque la función objetivo es la

minimización del costo total y por lo tanto las variables tomarán los menores valores posibles.
c) Coherencia agregación-desagregación de las existencias.
Ki
∑∑ s
k =1 p∈Pt
k ,i , p = si ,t , i = 1, 2,L, I , t = 1, 2,L, T (39)
Análogamente, para flexibilizar el modelo se pueden considerar posibles desvíos de las

existencias, en más o en menos, respecto del plan agregado, resultando:
Ki
∑∑ s
k =1 p∈Pt
k ,i , p + si−,t − si+,t = si ,t , i = 1, 2,L, I , t = 1, 2,L, T (40)
Para las existencias iniciales se debería cumplir

Ki
∑s k =1
k ,i , 0 = si , 0 , i = 1, 2,L, I (41)
pero son todos datos y no forman restricciones del modelo. Es una verificación solamente.
d) Capacidad (horas totales de producción).
Consideremos el período t del plan agregado. Si en el subperíodo p se producen xk,i,p horas
del artículo terminado k de la familia i, la producción de la familia comenzó en p – Li + 1,
subperíodo en el cual se realizó la puesta a punto. Del total de horas del producto terminado,
mk ,i , j ,l xk ,i , p horas se procesan en el CT j en el subperíodo l (l = p – Li + 1,…, p) y por lo tanto
la producción de xk,i,p horas del artículo terminado k en el subperíodo p requiere un total de
p J
∑ ∑ (m
l = p − Li +1 j =1
k ,i , j ,l xk ,i , p ) horas en los Li subperíodos. Considerando todos los productos y el
Ki p J
tiempo de puesta a punto, para la familia i se tiene: ∑ ∑ ∑ (m
k =1 l = p − Li +1 j =1
k ,i , j ,l xk ,i , p ) + ri ,t αi , p− Li +1 y
entonces el tiempo total empleado para todas las familias en el período t del plan agregado es
I  Ki p J  −
∑  ∑ ∑ ∑ ( mk ,i , j ,l xk ,i , p ) + ri ,t αi , p − Li +1  + et − et = ht + et
i =1  k =1 l = p − Li +1 j =1
+
(42)

para p ∈ Pt , t = 1, 2,L , T
donde se han considerado también posibles desvíos en más o en menos de las horas extras.
e) Imposibilidad de repetición en el período.
Como la puesta a punto se puede hacer a lo sumo una sola vez en el período t, debe ser
∑α
p∈Pt
i, p = βi ,t , i = 1, 2,L, I , t = 1, 2,L, T (43)
donde βi,t es dato proveniente del plan agregado.

f) Tiempo de puesta a punto.
La puesta a punto se realiza únicamente si alguna cantidad xk,i,p > 0 (p ∈ Pt), y esto es
posible solamente si, por la restricción anterior, puede ser α i , p− Li +1 = 1 . Por lo tanto se debe
cumplir
∑x
k∈Ki
k ,i , p ≤ Mαi , p − Li +1 , p ∈ Pt , i = 1, 2,L, I , t = 1, 2,L, T (44)
donde M es un número suficientemente grande como para que si la variable binaria es igual a
uno, la restricción no sea efectiva.
g) Restricción de no negatividad.
Todas las variables deben ser no negativas.
h) Todas las αi,p binarias.
Función objetivo
Dado que el plan agregado minimiza el costo total anual, como hemos supuesto, ahora la
función objetivo se plantea como la minimización del “costo” total de las desviaciones
[ ]
T I Ki
min. CT = ∑∑∑∑ ck ,i vk ,i , p + cz + zi+,t + cz − zi−,t + cs + si+,t + cs − si−,t + ce+ et+ + ce− et− (45)
i i i i
t =1 i =1 k =1 p∈Pt
donde los coeficientes son coeficientes de ponderación (penalización) de las desviaciones

elegidos convenientemente, no necesitan ser costos reales.
Este modelo tiene la ventaja de no requerir la determinación de los costos y permite darle
distinta importancia a las desviaciones. Por ejemplo, si se desea que las cantidades a producir
se aproximen más que los stocks a lo que establece el plan agregado, los coeficientes cz + y cz −
i i
deben ser mayores que cs+ y cs− . Análogamente para las otras variables.
i i
En síntesis el modelo es el expresado por (46) y (47) en la página siguiente.
Observaciones
1) El plan agregado está expresado en horas de producción por familias (que podría ser un
solo producto agregado). El plan desagregado expresa los productos finales también en
horas, con las que se pueden obtener las unidades. En este modelo también es posible la
producción simultánea de más de un producto en un mismo período.
2) El modelo requiere el pronóstico de los productos finales (en horas de producción) por
período para todo el horizonte de planificación. Esto puede ser una limitación en las
aplicaciones si el horizonte es de mediano plazo y los pronósticos son imprecisos. En este
caso se puede aplicar el modelo para desagregar únicamente los primeros períodos del plan
agregado, incorporando nuevos períodos en las sucesivas revisiones.
3) Si el número de familias y de productos finales es grande y además los períodos del MPS
son diferentes de los del plan agregado (por ejemplo semanas y meses), la cantidad de
variables binarias de decisión que se requieren puede ser muy grande y el tiempo de
cálculo puede ser enorme. Sin embargo, como comentaremos luego, se pueden obtener
aproximaciones muy buenas de la solución óptima en tiempos de cálculo aceptables.

Modelo
[ ]
T I Ki
min. CT = ∑∑∑∑ ck ,i vk ,i , p + cz + zi+,t + cz − zi−,t + cs + si+,t + cs − si−,t + ce+ et+ + ce− et− (46)
i i i i
t =1 i =1 k =1 p∈Pt
sujeta a
 sk ,i , p −1 − sk ,i , p + xk ,i , p − vk ,i , p −1 + vk ,i , p = d k ,i , p , p ∈ P , ∀k , i, t
 Ki

∑ ∑ xk ,i , p + zi−,t − zi+,t = zi ,t , ∀i , t
k =1 p∈Pt
K
 i
∑ ∑ sk ,i , p + si ,t − si ,t = si ,t , ∀i , t
− +
 k =1 p∈Pt
 I  Ki p J  − +

∑ ∑ ∑ ∑ (mk ,i , j ,l xk ,i , p ) + ri ,t αi , p − Li +1  + et − et = ht + et , p ∈ P , ∀t (47)
 i =1  k =1 l = p − Li +1 j =1 
 ∑ αi , p = β i ,t , ∀i , t
 p∈Pt

 ∑ xk ,i , p ≤ Mαi , p − Li +1 , p ∈ P , ∀i, t
k∈Ki
 x , s , v , z − , z + , s − , s + , e − , e + ≥ 0 , p ∈ P , ∀k , i , t
 k ,i , p k ,i , p k ,i , p i ,t i ,t i ,t i ,t t t
αi , p binarias , p ∈ P , ∀i, t
3.5.1 Alternativas
A partir de este modelo básico se pueden desarrollar diversas alternativas para las
aplicaciones en distintos casos concretos. Un caso importante que conduce a un modelo más
simple y también más flexible se tiene cuando los Li = 1 para todas las familias. Esto significa
que la producción de cada familia puede comenzar y terminar en un mismo subperíodo del
MPS.
Dado que toda la familia se realiza en el mismo subperíodo (componentes y productos
finales), la restricción d) se simplifica notablemente y se puede plantear por subperíodo del
MPS:
I
 Ki J
 T
∑ ∑∑ (m k ,i , j xk ,i , p ) + ri ,t αi , p  − e p ≤ ht
P
, p ∈ Pt , t = 1, 2,L, T (48)
i =1  k =1 j =1 
donde la proporción de tiempo en cada centro de trabajo para cada producto, mk,i,j, ya no
depende del subperíodo y ep son las horas extras utilizadas en el subperíodo p. La desigualdad
implica que pueden no utilizarse todas las horas normales planificadas (holgura positiva), en
cuyo caso será ep = 0. T / P es la proporción del tiempo de producción en horas normales
asignado al período t en el plan agregado, que corresponde a cada subperíodo p ∈ Pt del MPS
(por ejemplo, si T = 12 y P = 48, entonces T / P = ¼).
Considerando posibles desvíos respecto de las horas extras planificadas en el plan
agregado, se debe cumplir
∑e
p∈Pt
p + et− − et+ = et , p ∈ Pt , t = 1, 2,L, T (49)

Estas restricciones se deben agregar en (47).
La restricción f) queda
Ki
∑x
k =1
k ,i , p ≤ Mαi , p , p ∈ P , i = 1, 2,L, I , t = 1, 2,L, Tt (50)
Las demás restricciones y la función objetivo son idénticas.

Otro caso particular, también importante, se tiene cuando los períodos del MPS son iguales
a los del plan agregado. Dentro de este caso se pueden presentar a su vez las variantes de
Li = 1 o de Li > 1. Dejamos los detalles como ejercicio para el lector.
En este modelo también es posible no imponer algunas condiciones como, por ejemplo, las
de coherencia de los stocks y, especialmente las de relación de las horas extras. En este caso,
al no considerarse los posibles desvíos, en la función objetivo se deben incorporar los stocks
con sus costos de mantenimiento. Análogamente con las horas extras.
3.6 El número de variables binarias y el tiempo de cálculo

Respecto de los modelos de PEM cabe destacar lo siguiente.15 Como es conocido, el uso de
variables enteras (binarias en este caso) puede incrementar significativamente el tiempo
requerido para encontrar la solución óptima, particularmente si el algoritmo de resolución se
basa únicamente en el método de ramificación y acotación (B&B: Branch-and-Bound); el
tiempo de cálculo puede ser inaceptable, desde el punto de vista práctico, cuando el número
de variables enteras es muy grande. Además no solamente influye el número de variables
enteras sino también la estructura del problema (densidad de la matriz de coeficientes de las
restricciones) y hasta el particular valor de los coeficientes.
No obstante, cabe destacar que actualmente hay algoritmos que combinan los métodos de
planos cortantes y B&B, con el preprocesado automático, e inclusive con metaheurísticas, y
son muy eficientes aun con un gran número de variables enteras. Además, para reducir el
tiempo de cálculo, permiten fijar una tolerancia en el óptimo. Con esta opción, cada vez que
encuentran una solución entera factible (cota), continúan explorando únicamente aquellas
soluciones no enteras que podrían mejorarla en al menos el porcentaje fijado como
tolerancia. De esta manera, la solución retenida al final del proceso diferirá de la óptima en a
lo sumo ese porcentaje (y de hecho puede ser mucho menor). Evidentemente, cuanto más
grande sea la tolerancia fijada menor será el número de soluciones no enteras efectivamente
exploradas, y consecuentemente menor será el tiempo de cálculo. Esta opción es muy útil
porque en modelos con muchas variables enteras es posible encontrar una solución dentro de
un pequeño porcentaje del óptimo (por ejemplo, el 2 %) en pocos minutos, cuando obtener el
óptimo verdadero podría llevar muchas horas.
En la planificación y programación de la producción, basada en estimaciones como los
pronósticos y con revisiones periódicas para adecuarla a los permanentes cambios, pequeñas
tolerancias en el óptimo son totalmente aceptables. Por lo tanto, la posibilidad de disponer de
software en el que están implementadas estas características, permite la utilización efectiva de
los modelos de PEM en estas aplicaciones.
15
Cf. Rogelio A. A. Morán, Programación Lineal…, op. cit., pp. 156-163.
4 BIBLIOGRAFÍA
1. Bedworth, David D. y James E. Bailey, Sistemas Integrados de Control de Producción,
México: Limusa, 1992.
2. Chapman, Stephen N., Planificación y control de la producción, Pearson Educación S.
A., 2006.
3. Elsayed, Elsayed A. y Thomas O. Boucher, Analysis and Control of Production Systems,
2ª ed., Upper Saddle River, NJ: Prentice-Hall, Inc., 1994.
4. Jacobs, F. Robert, William Berry, D. Clay Whybark y Thomas Vollmann, Manufacturing
Planning and Control for Supply Chain Management, 6a ed., McGraw-Hill, 2011.
5. Kempf, Karl G., Pınar Keskinocak y Reha Uzsoy, Planning Production and Inventories
in the Extended Enterprise: A State-Of-The-Art Handbook, vol. 2, Springer, 2011.
6. Krajewski, Lee J., Larry P. Ritzman y Manoj Malhotra, Administración de Operaciones.
Procesos y Cadenas de valor, 8ª ed., Pearson Educación S.A., 2008.
7. Morán, Rogelio A. A., Programación Lineal. Una introducción con extensiones a la
Programación Entera y a la Programación Cuadrática, 2ª ed., Rosario: UNR Editora,
2011.
8. –––––, “El sistema de Planificación, Programación y Control de la Producción”,
Departamento de Optimización y Control, Escuela de Ingeniería Industrial, Facultad de
Ciencias Exactas, Ingeniería y Agrimensura, U.N.R., Rosario, 2011.
9. –––––, “Elementos de Gestión de las Existencias (Stocks)”, Departamento de
Optimización y Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas,
Ingeniería y Agrimensura, U.N.R., Rosario, 2007.
10. –––––, “Planificación Agregada de la Producción”, Departamento de Optimización y
Control, Escuela de Ingeniería Industrial, Facultad de Ciencias Exactas, Ingeniería y
Agrimensura, U.N.R., Rosario, 2012.
11. Mukhopadhyay, S. K., Production Planning and Control: Text and Cases, 2a. ed., PHI
Learning Pvt. Ltd., 2007.
12. Nahmias, Steven, Análisis de la Producción y las Operaciones, 5a ed., McGraw-Hill,
2007.
13. Narasimhan, S. L.; D. W. McLeavey y P. J. Billington, Planeación de la Producción y
Control de Inventarios, 2ª ed., México: Prentice-Hall Hispanoamericana S.A., 1996.
14. Pochet, Yves and Laurence A. Wolsey, Production Planning by Mixed Integer
Programming, NY: Springer, 2006.

5 APÉNDICE
Ejemplo 9
Programa LINDO
MIN 20 XA1 + 30 XB1 + 25 XC1 + 20 XA2 + 30 XB2 + 25 XC2 + 20 XA3 + 30 XB3 + 25 XC3 + 20 XA4 + 30 XB4 + 25 XC4
+ 20 XA5 + 30 XB5 + 25 XC5 + 20 XA6 + 30 XB6 + 25 XC6 +
300 ALFAA1 + 0 ALFAA1 + 400 ALFAA1 + 300 ALFAA1 +500 ALFAB1 + 300 ALFAB1 + 200 ALFAB1 + 0 ALFAB1 + 0
ALFAC1 + 200 ALFAC1 + 300 ALFAC1 + 400 ALFAC1 +
0.40 SA1 + 0.60 SB1 + 0.50 SC1 + 0.40 SA2 + 0.60 SB2 + 0.50 SC2 + 0.40 SA3 + 0.60 SB3 + 0.50 SC3 + 0.40 SA4 +
0.60 SB4 + 0.50 SC4 + 0.40 SA5 + 0.60 SB5 + 0.50 SC5 + 0.40 SA6 + 0.60 SB6 + 0.50 SC6 +
50 FA1 + 70 FB1 + 40 FC1 + 50 FA2 + 70 FB2 + 40 FC2 + 50 FA3 + 70 FB3 + 40 FC3 + 50 FA4 + 70 FB4 + 40 FC4 + 50
FA5 + 70 FB5 + 40 FC5 + 50 FA6 + 70 FB6 + 40 FC6 +
30 E11 + 30 E21 + 30 E31 + 30 E41 + 30 E12 + 30 E22 + 30 E32 + 30 E42 + 30 E13 + 30 E23 + 30 E33 + 30 E43 + 30
E14 + 30 E24 + 30 E34 + 30 E44 + 30 E15 + 30 E25 + 30 E35 + 30 E45 + 30 E16 + 30 E26 + 30 E36 + 30 E46
SUBJECT TO
2) XA1 - SA1 + FA1 = 100
3) XB1 - SB1 + FB1 = 200
4) XC1 - SC1 + FC1 = 210
5) SA1 + XA2 - SA2 - FA1 + FA2 = 200
6) SB1 + XB2 - SB2 - FB1 + FB2 = 300
7) SC1 + XC2 - SC2 - FC1 + FC2 = 200
8) SA2 + XA3 - SA3 - FA2 + FA3 = 220
9) SB2 + XB3 - SB3 - FB2 + FB3 = 320
10) SC2 + XC3 - SC3 - FC2 + FC3 = 180
11) SA3 + XA4 - SA4 - FA3 + FA4 = 230
12) SB3 + XB4 - SB4 - FB3 + FB4 = 330
13) SC3 + XC4 - SC4 - FC3 + FC4 = 160
14) SA4 + XA5 - SA5 - FA4 + FA5 = 220
15) SB4 + XB5 - SB5 - FB4 + FB5 = 350
16) SC4 + XC5 - SC5 - FC4 + FC5 = 130
17) SA5 + XA6 - SA6 - FA5 + FA6 = 200
18) SB5 + XB6 - SB6 - FB5 + FB6 = 380
19) SC5 + XC6 - SC6 - FC5 + FC6 = 100
20) XA1 - 10000 ALFAA1 <= 0
21) XB1 - 10000 ALFAB1 <= 0
22) XC1 - 10000 ALFAC1 <= 0
23) XA2 - 10000 ALFAA2 <= 0
24) XB2 - 10000 ALFAB2 <= 0
25) XC2 - 10000 ALFAC2 <= 0
26) XA3 - 10000 ALFAA3 <= 0
27) XB3 - 10000 ALFAB3 <= 0
28) XC3 - 10000 ALFAC3 <= 0
29) XA4 - 10000 ALFAA4 <= 0
30) XB4 - 10000 ALFAB4 <= 0
31) XC4 - 10000 ALFAC4 <= 0
32) XA5 - 10000 ALFAA5 <= 0
33) XB5 - 10000 ALFAB5 <= 0
34) XC5 - 10000 ALFAC5 <= 0
35) XA6 - 10000 ALFAA6 <= 0
36) XB6 - 10000 ALFAB6 <= 0
37) XC6 - 10000 ALFAC6 <= 0
38) 1.2 XA1 + 0.7 XB1 + 1.1 XC1 = 700
39) 1.2 XA2 + 0.7 XB2 + 1.1 XC2 = 700
40) 1.2 XA3 + 0.7 XB3 + 1.1 XC3 = 700
41) 1.2 XA4 + 0.7 XB4 + 1.1 XC4 = 700
42) 1.2 XA5 + 0.7 XB5 + 1.1 XC5 = 700
43) 1.2 XA6 + 0.7 XB6 + 1.1 XC6 = 700
44) 0.3 XA1 + 0.4 XB1 + 0 XC1 + 3 ALFAA1 + 5 ALFAB1 + 0 ALFAC1 - E11 = 160
45) 0 XA1 + 0.3 XB1 + 0.4 XC1 + 0 ALFAA1 + 3 ALFAB1 + 2 ALFAC1 - E21 = 150
46) 0.5 XA1 + 0.3 XB1 + 0.4 XC1 + 4 ALFAA1 + 2 ALFAB1 + 3 ALFAC1 - E31 = 280

47) 0.4 XA1 + 0 XB1 + 0.3 XC1 + 3 ALFAA1 + 0 ALFAB1 + 4 ALFAC1 - E41 = 140
68) SA1 >= 10
69) SB1 >= 20
70) SC1 >= 10
71) SA2 >= 10
72) SB2 >= 20
73) SC2 >= 10
74) SA3 >= 10
75) SB3 >= 20
76) SC3 >= 10
77) SA4 >= 10
78) SB4 >= 20
79) SC4 >= 10
80) SA5 >= 10
81) SB5 >= 20
82) SC5 >= 10
83) SA6 >= 10
84) SB6 >= 20
85) SC6 >= 10
86) E11 <= 48
87) E21 <= 45
88) E31 <= 84
89) E41 <= 42
90) E12 <= 48
91) E22 <= 45
92) E32 <= 84
93) E42 <= 42
94) E13 <= 48
95) E23 <= 45
96) E33 <= 84
97) E43 <= 42
98) E14 <= 48
99) E24 <= 45
100) E34 <= 84
101) E44 <= 42
102) E15 <= 48
103) E25 <= 45
104) E35 <= 84
105) E45 <= 42
106) E16 <= 48
107) E26 <= 45
108) E36 <= 84
109) E46 <= 42
END
INTEGER ALFAA1
INTEGER ALFAA2
INTEGER ALFAA3
INTEGER ALFAA4
INTEGER ALFAA5
INTEGER ALFAA6
INTEGER ALFAB1
INTEGER ALFAB2
INTEGER ALFAB3
INTEGER ALFAB4

INTEGER ALFAB5
INTEGER ALFAB6
INTEGER ALFAC1
INTEGER ALFAC2
INTEGER ALFAC3
INTEGER ALFAC4
INTEGER ALFAC5
Solución
OBJECTIVE FUNCTION VALUE
1) 147041
VARIABLE VALUE REDUCED COST

ALFAA1 1 1300
ALFAA2 1 1304,88892
ALFAA3 1 1309,77783
ALFAA4 1 1314,66663
ALFAA5 1 1346,37683
ALFAA6 1 1348,23193
ALFAB1 1 1300
ALFAB2 1 1308,14819
ALFAB3 1 1316,29627
ALFAB4 1 1324,44446
ALFAB5 1 1357,17871
ALFAB6 1 1362,5459
ALFAC1 1 1170
ALFAC2 1 1170
ALFAC3 1 1170
ALFAC4 1 1170
ALFAC5 1 1156,58936
ALFAC6 1 1158,10632
XA1 190,096619 0
XB1 328,405792 0
XC1 220 0
XA2 192,59259 0
XB2 355,555542 0
XC2 200 0
XA3 225,185181 0
XB3 331,111115 0
XC3 180 0
XA4 257,777771 0
XB4 306,666656 0
XC4 160 0
XA5 281,159424 0
XB5 289,130432 0
XC5 145,652176 0
XA6 281,159424 0
XB6 289,130432 0
XC6 145,652176 0
SA1 90,096619 0
SB1 128,405792 0
SC1 10 0
SA2 82,689209 0
SB2 183,961349 0
SC2 10 0
SA3 87,874397 0
SB3 195,072464 0
SC3 10 0
SA4 115,652176 0
SB4 171,739136 0
SC4 10 0
SA5 176,8116 0
SB5 110,869568 0
SC5 25,652174 0
SA6 257,971008 0
SB6 20 0
SC6 71,304344 0
FA1 0 50,400002
FB1 0 70,599998
FC1 0 39,918518
FA2 0 50,400002

FB2 0 70,599998
FC2 0 39,918518
FA3 0 50,400002
FB3 0 70,599998
FC3 0 39,918518
FA4 0 50,400002
FB4 0 70,599998
FC4 0 34,777779
FA5 0 50,400002
FB5 0 70,599998
FC5 0 40,5
FA6 0 50,400002
FB6 0 41,066666
FC6 0 40,5
E11 36,391304 0
E21 41,52174 0
E31 10,570048 0
E41 9,038648 0
E12 48 0
E22 41,666668 0
E32 11,962963 0
E42 4,037037 0
E13 48 0
E23 26,333334 0
E33 12,925926 0
E43 11,074074 0
E14 48 0
E24 11 0
E34 13,888889 0
E44 18,111111 0
E15 48 0
E25 0 6,705314
E35 14,57971 0
E45 23,15942 0
E16 48 0
E26 0 5,94686
E36 14,57971 0
E46 23,15942 0
ROW SLACK OR SURPLUS DUAL PRICES

2) 0 2,4
3) 0 -25,933332
4) 0 -4,466667
5) 0 2
6) 0 -26,533333
7) 0 -4,385185
8) 0 1,6
9) 0 -27,133333
10) 0 -4,303704
11) 0 1,2
12) 0 -27,733334
13) 0 -4,222222
14) 0 0,8
15) 0 -28,333334
16) 0 1
17) 0 0,4
18) 0 -28,933332
19) 0 0,5
20) 9809,90332 0
21) 9671,59375 0
22) 9780 0
23) 9807,40723 0
24) 9644,44434 0
25) 9800 0
26) 9774,81445 0
27) 9668,88867 0
28) 9820 0
29) 9742,22266 0
30) 9693,33301 0
31) 9840 0
32) 9718,84082 0
33) 9710,86914 0
34) 9854,34766 0
35) 9718,84082 0

36) 9710,86914 0
37) 9854,34766 0
38) 0 -48,666668
39) 0 -48,740742
40) 0 -48,814816
41) 0 -48,888889
42) 0 -51,198067
43) 0 -51,019325
44) 0 30
45) 0 30
46) 0 30
47) 0 30
48) 0 31,629629
49) 0 30
50) 0 30
51) 0 30
52) 0 33,259258
53) 0 30
54) 0 30
55) 0 30
56) 0 34,888889
57) 0 30
58) 0 30
59) 0 30
60) 0 45,458939
61) 0 23,294685
62) 0 30
63) 0 30
64) 0 46,077293
65) 0 24,053141
66) 0 30
67) 0 30
68) 80,096619 0
69) 108,4058 0
70) 0 -0,581481
71) 72,689209 0
72) 163,961349 0
73) 0 -0,581481
74) 77,874397 0
75) 175,072464 0
76) 0 -0,581481
77) 105,652176 0
78) 151,739136 0
79) 0 -5,722222
80) 166,8116 0
81) 90,869568 0
82) 15,652174 0
83) 247,971008 0
84) 0 -29,533333
85) 61,304348 0
86) 11,608696 0
87) 3,478261 0
88) 73,429955 0
89) 32,961353 0
90) 0 1,62963
91) 3,333333 0
92) 72,037041 0
93) 37,962963 0
94) 0 3,259259
95) 18,666666 0
96) 71,074074 0
97) 30,925926 0
98) 0 4,888889
99) 34 0
100) 70,111115 0
101) 23,888889 0
102) 0 15,458938
103) 45 0
104) 69,420288 0
105) 18,84058 0
106) 0 16,077295
107) 45 0
108) 69,420288 0
109) 18,84058 0

NO. ITERATIONS = 553
BRANCHES = 12 DETERM.= 1.000E 0
ELAPSED TIME = 00:00:00

Planificación Desagregada

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Planificación Desagregada

Cargado por

Copyright:

Formatos disponibles

PLANIFICACIÓN DESAGREGADA DE LA PRODUCCIÓN

PLAN MAESTRO DE LA PRODUCCIÓN

Ing. Rogelio A. A. Morán *

2 PLAN MAESTRO DE PRODUCCIÓN

2.1 Registro básico del MPS en fase de tiempo

En la primera semana la demanda pronosticada es de d1 = 25 u. con lo que resulta una

En la semana 2 se podría tener faltante si se supera el pronóstico, lo mismo que en la

Planificación Desagregada de la Producción.  2012 R. Morán 3

2.2 Efecto de las características de la producción y de la demanda en el MPS

2.2.1 Producción para stock (para abastecer la demanda independiente)

MPS con compromiso de órdenes

6 Planificación Desagregada de la Producción.  2012 R. Morán

Veamos todo esto en un ejemplo.

Orden de los Semana de Cantidad

Planificación Desagregada de la Producción.  2012 R. Morán 7

Orden de los Semana de Cantidad

En la semana 2 únicamente se pueden aceptar pedidos por 5 unidades adicionales para

8 Planificación Desagregada de la Producción.  2012 R. Morán

El disponible se ha calculado de acuerdo con la convención expuesta en (3).

2.2.2 Producción sobre pedidos

2.2.3 Producción de componentes para stock y armado final sobre pedido

10 Planificación Desagregada de la Producción.  2012 R. Morán

Planificación Desagregada de la Producción.  2012 R. Morán 11

2.2.4 Programa de Armado Final

12 Planificación Desagregada de la Producción.  2012 R. Morán

ESTÁNDAR EXTRA SÚPER

ELEMENTOS RODADO 20 BIKE ELEMENTOS RODADO 20 BIKE ELEMENTOS RODADO 20 BIKE

RODADO 26 RODADO 26 RODADO 26

RODADO 28 RODADO 28 RODADO 28

Planificación Desagregada de la Producción.  2012 R. Morán 13

Las cantidades fijadas en el MPS se traducen en cantidades de artículos finales que se

14 Planificación Desagregada de la Producción.  2012 R. Morán

Planificación Desagregada de la Producción.  2012 R. Morán 15

La actualización al final de la semana 1, si no hay nuevos pronósticos ni se modifica la

16 Planificación Desagregada de la Producción.  2012 R. Morán

P(Wj > µ j + B j ) = P(Wj > w j,ρ j ) = ρ j , j = 1,L, n (6)

donde wj ,ρ j = µ j + Bj . Fijado un riesgo de faltante ρj, con la distribución de Wj se calcula

donde z j = Bj σWj es el factor de seguridad. Fijado un riesgo de faltante ρj, con la

3 DESAGREGACIÓN DEL PLAN AGREGADO

durante el tiempo en que puede haber faltante y σ W es su desviación estándar.

18 Planificación Desagregada de la Producción.  2012 R. Morán

3.1 Conversión de unidades de productos finales en unidades de producto agregado

20 Planificación Desagregada de la Producción.  2012 R. Morán

Si el plan agregado está dado directamente en horas de producción, en la desagregación las

Planificación Desagregada de la Producción.  2012 R. Morán 21

En lo que sigue veremos el problema de la desagregación para algunos casos de aplicación

3.2 Desagregación por proporciones

22 Planificación Desagregada de la Producción.  2012 R. Morán

En las actualizaciones mensuales del MPS se incorporan nuevos pronósticos y se realizan

Planificación Desagregada de la Producción.  2012 R. Morán 23

El pronóstico total es de 670 unidades, mayor que el agregado, y la producción planificada

3.3 Desagregación por familias de productos

24 Planificación Desagregada de la Producción.  2012 R. Morán

Sabemos que esta función de Ni es estrictamente convexa y, por lo tanto, el mínimo se

26 Planificación Desagregada de la Producción.  2012 R. Morán

Planificación Desagregada de la Producción.  2012 R. Morán 27

Familia Artículo Demanda Factor de Stock Pronóstico Stock Stock de

Por ejemplo, para A1 se tiene:

28 Planificación Desagregada de la Producción.  2012 R. Morán

Planificación Desagregada de la Producción.  2012 R. Morán 29

ya que únicamente difiere de la anterior en el primer término y en el último. Usaremos esta

Planificación Desagregada de la Producción.  2012 R. Morán 31

El primer grupo de restricciones establece el balance producción-existencias-pendientes-

Períodos t 1 2 3 4 5 6 Totales CT Capacidades